چارچوب هوشمند حسابداری برای پیش بینی تقلب و ارتقای امنیت سایبری: چالش ها و راهکارهای هوش مصنوعی

این مطالعه یک چارچوب مفهومی برای ادغام حسابداری سه طرفه (TE)، یادگیری ماشین (ML) و محاسبات کوانتومی برای افزایش شفافیت در گزارشگری مالی و حسابرسی برای پیش بینی تقلب و ارتقای امنیت سایبری را توسعه می دهد. مقاله با روش شناسی کیفی و تحلیلی به بررسی مقالات قبلی می پردازد، و بر اساس بررسی ساختاریافته ادبیات حسابداری، بلاکچین، یادگیری ماشین و فناوری کوانتومی، با مقایسه انتقادی رویکردهای دفترداری دوطرفه و معرفی محدودیت های رویکردهای فعلی، حسابداری سه طرفه، یادگیری ماشین و محاسبات کوانتومی را به عنوان مکانیسمی برای تشخیص ناهنجاری، پیشگیری از تقلب، نظارت مستمر و ارتقای امنیت سایبری قرار می دهد. اهمیت این تحقیق ایجاد درک نظری از چگونگی تحول آفرینی فناوری های نوظهور در روش های امنیت سایبری در بافت های خاص - سیستم های مالی و حسابداری- می باشد. این مطالعه سهم قابل توجه میان رشته ای در حوزه های مهندسی سیستم های مالی، امنیت سایبری، و علوم اطلاعات کوانتومی ارائه می دهد. ایجاد یک چارچوب جامع برای ارزیابی و پیاده سازی روش های امنیت سایبری، ضمن تقویت پایه دانش موجود، سازمان های مالی را با بینش های حیاتی ضروری برای استحکام بخشیدن به سیستم های داده ای خود در برابر تهدیدات پساکوانتومی مجهز می سازد و بر نیاز فزاینده رهبران صنعت و نهادهای نظارتی برای اولویت دهی به سرمایه گذاری در زیرساخت های امن کوانتومی و تسهیل ارتقای مهارت های نیروی کار امنیت سایبری تاکید دارد.

کلیدواژه ها:

دفترداری دوطرفه ، حسابداری سه طرفه ، یادگیری ماشین ، شفافیت ، بلاک چین ، محاسبات کوانتومی ، امنیت سایبری