تشخیص پولشویی درسیستم بانکی با استفاده از الگوریتم ژنتیک و شبکه عصبی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,795

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RKES01_139

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

امروزه مجرمان از طریق ارتکاب اعمال مجرمانه میکوشند در فاصله زمانی کوتاه، ثروت هنگفتی تحصیل کنند ومبنای پولشویی را در جرمی مثل سرقت، به واسطه درآمدی که برای سارق دارد، ایجاد میکنند، به گونهای که پساز ارتکاب جرم و تحصیل ثروت، در پی پوشاندن اعمال غیرقانونی خود، پول کثیف تحصیل شده را با ترفندهایی، قانونی نشان میدهند و سعی میکنند تا مقامات قضایی و انتظامی و مسئولان ذیربط از توقیف اموال بیخبر بمانند و در نتیجه، موجب تضعیف دولت، افزایش تورم و نابسامانی اقتصاد و بازار میگردند. از این پدیده، امروزه به تعبیر میشود » پولشویی « . یکی از بزرگ ترین بنگاه های اقتصادی هر کشوری که مورد سوء استفاده مجرمان به منظور پولشویی قرار می گیرد بانک ها می باشند که بزرگترین ضربه را به اقتصاد یک کشور وارد می کند. در اینمقاله روشی برای تشخیص حساب هایی که از آن ها در سیستم بانکی به منظور پولشویی استفاده می شود طرح شده است. به علت وجود داده های زیاد در بانکها داده کاوی تاکنون کاربردهای زیادی در امور مالی و پولی داشتهاست. پس در ابتدا با استفاده از الگوریتم ژنتیک شاخص ترین ویژگی های حساب های بانکی که بیشترین تاثیر در عمل پولشویی دارند و به گونه ای الگوهای رفتاری پولشویان را نشان می دهد استخراج شود و سپس ویژگی هایاستخراج شده به همراه رکوردهای داده را به یک شبکه عصبی مصنوعی به منظور یادگیری و ساخت مدل تشخیص پولشویی می دهیم. ما مدل طراحی شده را با استفاده از یک مجموعه داده معتبر که توسط دانشگاه کالیفرنیا ایرواین 2 ارائه شده است ارزیابی نموده و با سایر روش هایی که به منظور تشخیص در حوزه کلاهبرداری بانکی بر روی این مجموعه داده مدل سازی شده اند مقایسه می نماییم. از آنجایی که در فرآیند های تشخیص مهمترین معیار، دقت تشخیص است نتایج بدست آمده نشان داد که این مدل از نظر صحت تشخیص نسبت به سایر روش های مدل سازی جهت تشخیص بر روی این مجموعه داده با 16.09 درصد دارای عملکرد بالاتری است.

نویسندگان

مسعود اسدی

کارشناسی ارشد گروه کامپیوتر هوش مصنوعی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران/ مسئول چکاوک بانک اقتصادنوین

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R. Dre_zewski, J. Sepielak, W. Filipkowski, System supporting money laundering ...
  • R. Milne, Forensic Intelligence, CRC Press, Taylor & Francis Group, ...
  • A. Zakaryazad and E. Duman, " A profit-driven Artificial Neural ...
  • Harmeet Kaur Khanuja, Dattatraya S. Adane, "Forensic Analysis for Monitoring ...
  • Mahesh Kharote, _ P. Kshirsagar, :Data Mining Model for Money ...
  • Asma S. Larik, Sajjad Haider, "Clustering based Anomalous Transaction Reporting", ...
  • Xingqi Wang, Guang Dong, "Research on Money Laundering Detection based ...
  • Liu Keyan, Yu Tingting, "An Improved Su pport-Vector Network Model ...
  • Rui Liu, Xiao-long Qian, Shu Mao, and Shuai-zheng Zhu, "Research ...
  • P .Umadevi, E .Divya "Money laundering detection using TFA system", ...
  • Dang Khoa Cao, Phuc, "Applying Data Mining in Money Laundering ...
  • A. Zakaryazad and E. Duman, "A profit-driven Artificial Neural Network ...
  • نمایش کامل مراجع