نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد مدیریت عملیات و علوم تصمیم، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

2 کارشناس ارشد مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

3 استادیار دانشگاه علوم انتظامی امین، تهران، ایران

4 دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران

چکیده

امروزه پدیده پول‌شویی به تهدیدی جدی برای اقتصاد جهانی تبدیل شده است. روش‌های سنتی مقابله با پول‌شویی هزینه‌بر و ناکارآمد هستند. اخیراً تکنیک‌های داده‌کاوی گسترش پیدا کرده‌اند و به عنوان روش‌های مناسب برای کشف فعالیت‌های پول‌شویی مورد توجه قرار گرفته‌اند. هدف این تحقیق، استفاده از الگوریتم‌های داده‌کاوی در کشف موارد مشکوک به پول‌شویی با استفاده از داده‌های واقعی تراکنش‌های بانکی است که ممکن است نیاز به بررسی‌های بیشتر داشته باشند. تحلیل داده‌ها با استفاده از فرآیند CRISP-DM انجام شده است. جامعه آماری تراکنش‌های بانک و نمونه آماری تراکنش‌های مربوط به یکی از شعب بانک است. داده‌ها از بانک اطلاعاتی بانک مورد مطالعه جمع‌آوری شده است. برای انجام این کار از دو رویکرد استفاده ‌شده است. در رویکرد اول با استفاده از الگوریتم k-میانگین ابتدا تراکنش‌های بانکی افراد خوشه‌بندی شده‌اند، سپس با استفاده از به‌کارگیری الگوریتم‌های کشف موارد مشکوک، تراکنش‌هایی که ممکن است مشکوک به پول‌شویی باشند مشخص گردیده‌اند. در رویکرد دوم، روشی نوین با به‌کارگیری قانون بنفورد و روش GANs برای کشف حساب‌هایی که در تراکنش‌های‌ آن‌ها از ارقام ساختگی استفاده ‌شده است و ممکن است مشکوک به پول‌شویی باشند معرفی شده است. رویکرد اول می‌تواند حساب‌هایی که در تراکنش‌های آن‌ها موارد پرت وجود دارد را با دقتی حدود ۹۳٪ درصد، و رویکرد دوم می‌تواند حساب‌های مشکوکی که در پنهان نمودن ارقام ساختگی در تراکنش‌های‌ آن‌ها، از روش‌های حرفه‌ای استفاده نشده است را با دقتی حدود ۶۰٪ به درستی تشخیص دهد.

کلیدواژه‌ها

موضوعات

CAPTCHA Image