مقاله شناسایی تراکنش‌های مشکوک پولشویی با استفاده از یادگیری بازنمایی گراف

Article Summary

زهرا نوراله به بررسی روش‌های پیشرفته برای شناسایی تراکنش‌های مشکوک پولشویی با استفاده از یادگیری بازنمایی گراف پرداخت. این روش‌ها به دلیل پیامدهای جدی اقتصادی و مالی فعالیت‌های پولشویی، اهمیت ویژه‌ای دارند. او تاکید کرد که با پیشرفت‌های تکنولوژیک، حجم و تنوع تراکنش‌های مالی افزایش یافته و تشخیص فعالیت‌های مشکوک سخت‌تر شده است. این چالش برای سازمان‌های مالی و نظارتی بسیار مهم است، زیرا فعالیت‌های پولشویی می‌تواند به بی‌ثباتی اقتصادی و کاهش درآمد مالیاتی منجر شود. در این پژوهش، نوراله از تکنیک‌های یادگیری بازنمایی گراف برای تشخیص زیرگراف‌های مشکوک استفاده کرده است. این روش‌ها بر خلاف روش‌های سنتی، قابلیت تفسیر و پیش‌بینی بهتری دارند و می‌توانند به تراکنش‌های دیده نشده نیز پوشش دهند. برای این منظور، از الگوریتم‌های خوشه‌بندی و استخراج ویژگی‌ها استفاده شده است. نوراله نتایج مطالعه خود را بر اساس داده‌های تراکنش‌های مالی بانک لیبرا رومانی، که نزدیک چهار و نیم میلیون تراکنش داشت، ارائه کرد. مقایسه نتایج با روش‌های سنتی و یادگیری عمیق نشان داد که روش پیشنهادی دقت و اثربخشی بیشتری دارد. در نهایت، نوراله به چالش‌هایی اشاره کرد که در تحقیقات اخیر وجود دارد، از جمله پوشانی گره‌ها و تراکنش‌های ورودی، و راهکارهایی برای حل این چالش‌ها پیشنهاد کرد. این روش‌ها می‌توانند به بهبود کنترل‌های مالی و افزایش اعتماد مشتریان کمک کنند.