معرفی و بررسی روشهای داده کاوی برای شناسایی پولشویی در بانکداری الکترونیک

معرفی و بررسی روشهای داده کاوی برای شناسایی پولشویی در بانکداری الکترونیک


  • 1,911 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

بر اساس تجربه کشورهای مختلف در زمینه مبارزه با پولشویی، ایجاد سیستمهای موثر شناسایی مشتری توسط بانکها و موسسات اعتباری و برنامه های کنترل فعالیت های مالی مشتری، بهترین راهبرد برای مقابله با پولشویان و تامین کنندگان مالی تروریسم و جلوگیری از سوء استفاده آنها از سیستم بانکی است. شناسایی مشتری ها شامل شناسایی سپرده گزاران و سایر استفاده کنندگان از خدمات بانکی می باشد. احراز هویت مشتری بر اساس کارت شناسایی معتبر و هوشیار بودن کارکنان بانک نسبت به مبادلات مشکوک و غیر معمول، از الزامات سیستم شناسایی مشتری است که ضمن ترساندن پولشویان به کشف فعالیت های پولشویی و برنامه های تامین مالی تروریسم کمک میکند. نخستین و ضروری ترین گام در یک سیستم شناسایی مشتری، تایید هویت مشتری است. پس از مرحله شناسایی مشتری، مرحله ارزیابی صحیح ریسک مشتری بر اساس اطلاعات حاصل شده از مرحله قبل است. سپس مرحله گزارش دهی موارد مشکوک است. در این مرحله نیز وجود یک سیستم موثر شناسایی مشتری بسیار کارساز و حیاتی است.
 با توجه به حجم بالا تراکنشهای مالی روزانه در بانکها و موسسات مالی وجود سیستمهای مکانیزه بسیار ضروری میباشد. روشهای شناسایی پولشویی در این سیستم ها معمولا مبتنی بر قواعد میباشد که شامل مجموعهای از قواعد از پیش تعریف شده و مقادیر آستانهای است. عالوه بر این روش، تکنیکهای دادهکاوی برای کشف الگوهای پولشویی و تشخیص رفتارهای نامتعارف بسیار مناسب میباشند. با توجه اینکه مصداق های پولشویی مدام در حال تغییر بوده و پولشویان از روشهای جدیدتری استفاده میکنند. لذا روشهای داده کاوی بدون ناظر در تشخیص الگوهای جدید پولشویی بسیار موثر بوده و میتوانند برای افزایش یادگیری مدلهای مبتنی بر روشهای دسته بندی بسیار تعیین کننده باشند. در روش های کشف دانش، گراف کاوی روشی بسیار مناسب در تشخیص شبکه های پنهان و مجرم در درون یک شبکه بزرگ مالی است. ابزارهای تحلیل پیوند برای شناسایی شبکه های پولشویی، مبتنی بر رفتارسنجی مظنونین معرفی شده از سوی مراجع قضایی بسیار مورد استفاده قرار میگیرد.
 با توجه به اینکه پولشویی جرمی سازمان یافته است و ساختاری پیچیده دارد لذا روش کنترل قواعد توسط پولشویان قابل شناسایی است و لذا میبایست از روشهای داده کاوی برای کشف الگوهای پنهان استفاده نمود. با تحقیقاتی که در این گزارش انجام شد جهت توسعه روشهای شناسایی پولشویی میبایست مبتنی بر روشهای توصیفی در داده کاوی شامل خوشه بندی و گراف کاوی به شناسایی زیر گرافهای مشکوک اقدام کرد. در بخش روشهای پیش بینی در داده کاوی برای بهبود کارایی مدل میبایست مصداق های پولشویی که توسط کارشناسان پولشویی شناسایی میشود در قالب داده های آموزشی، به طور پیوسته برای یادگیری مدل استفاده شود و ابزارهای تحلیل پیوند میتواند به کارشناسان شناسایی پولشویی در شناخت شبکه مجرمان، مبتنی بر اطلاعات افراد مظنون بسیار کمک کند. لذا توسعه ابزارهای بصری بسیار مورد توجه می باشد.همچنین طراحی و استقرار سیستم های خبره در جهت کمک به ابزارهای داده کاوی میتواند بسیار مفید باشد.

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 


کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.