ترغب بنشر مسار تعليمي؟ اضغط هنا

مكافحة غسيل الأموال باستخدام تقنيات التنقيب عن المعطيات

Anti-Money Laundering using Data Mining techniques

2262   1   46   0 ( 0 )
 تاريخ النشر 2018
  مجال البحث الهندسة المعلوماتية
والبحث باللغة العربية
 تمت اﻹضافة من قبل Baraa Youzbashi




اسأل ChatGPT حول البحث

يعرض هذا البحث دراسة مرجعية حول استخدام تقنيات الذكاء الصنعي والتنقيب عن المعطيات في أنظمة مكافحة غسيل الأموال. نقارن بين عدة منهجيات متبعة في أوراق بحثية مختلفة بهدف تسليط الضوء على تطبيقات الذكاء الصنعي في حل مشاكل الحياة الواقعية.


ملخص البحث
تقدم هذه الورقة البحثية مراجعة أدبية حول استخدام تقنيات الذكاء الاصطناعي والتنقيب عن البيانات في أنظمة مكافحة غسيل الأموال. يتم مقارنة العديد من المنهجيات المستخدمة في أوراق بحثية مختلفة بهدف تسليط الضوء على تطبيقات الذكاء الاصطناعي في حل مشاكل الحياة الواقعية. يتم تعريف غسيل الأموال على أنه عملية تحويل الأموال المكتسبة بطرق غير شرعية إلى أموال نظيفة قابلة للتداول في النشاطات العامة بشكل آمن. تتكون عملية غسيل الأموال من ثلاث مراحل: زرع المال، التمويه، والتكامل. تعتمد أغلب المصارف على عملية نصف مؤتمتة لكشف عمليات غسيل الأموال، حيث يتم تحديد التحويلات المالية المشتبه بها بناءً على معايير معينة، ثم يقوم شخص مختص بمراجعة هذه التحويلات للتأكد منها. تقترح الورقة استخدام تقنيات الذكاء الاصطناعي والتنقيب عن البيانات لتحسين هذه العملية. تشمل المنهجيات المقترحة استخدام الشبكات العصبونية مع مفاهيم العنقدة، استخدام طرق لتوليد القواعد مع أشجار القرار، وتحليل الشبكات الاجتماعية. تم اختبار هذه المنهجيات باستخدام بيانات حقيقية من مصارف، وأظهرت النتائج أن استخدام الشبكات العصبونية متعددة الطبقات (MLP) كان الأكثر فعالية في التعرف على حالات غسيل الأموال. كما تم استخدام تحليل الشبكات الاجتماعية لتحديد أدوار الأشخاص في شبكة غسيل الأموال وتحليل الترابطات بينهم، مما يسهل كشف زعماء العصابات ومواقع الضعف ضمن الشبكة.
قراءة نقدية
تقدم هذه الورقة البحثية مراجعة شاملة ومفصلة حول استخدام تقنيات الذكاء الاصطناعي والتنقيب عن البيانات في مكافحة غسيل الأموال. ومع ذلك، هناك بعض النقاط التي يمكن تحسينها. أولاً، الورقة تعتمد بشكل كبير على البيانات المصرفية الحقيقية، ولكن لم يتم توضيح كيفية الحصول على هذه البيانات ومدى توافقها مع القوانين واللوائح المتعلقة بالخصوصية وحماية البيانات. ثانياً، على الرغم من أن الورقة تقدم مقارنة بين عدة منهجيات، إلا أنها لم تقدم تحليلًا عميقًا للأسباب التي تجعل بعض المنهجيات أكثر فعالية من غيرها. ثالثاً، الورقة لم تتناول بشكل كافٍ التحديات العملية التي قد تواجه تطبيق هذه التقنيات في بيئات مصرفية حقيقية، مثل التكاليف والبنية التحتية المطلوبة. وأخيراً، كان من المفيد تقديم توصيات واضحة للمصارف حول كيفية تنفيذ هذه التقنيات بشكل فعال.
أسئلة حول البحث
  1. ما هي المراحل الثلاث لعملية غسيل الأموال؟

    تتكون عملية غسيل الأموال من ثلاث مراحل: زرع المال، التمويه، والتكامل.

  2. ما هي التقنيات المستخدمة في الورقة لتحسين كشف عمليات غسيل الأموال؟

    تشمل التقنيات المستخدمة الشبكات العصبونية، توليد القواعد مع أشجار القرار، وتحليل الشبكات الاجتماعية.

  3. ما هو الهدف الرئيسي من استخدام تقنيات الذكاء الاصطناعي في مكافحة غسيل الأموال؟

    الهدف الرئيسي هو تحسين دقة وكفاءة عملية كشف عمليات غسيل الأموال وتقليل الاعتماد على التدخل البشري.

  4. ما هي التحديات التي لم تتناولها الورقة بشكل كافٍ؟

    لم تتناول الورقة بشكل كافٍ التحديات العملية المتعلقة بتطبيق هذه التقنيات في بيئات مصرفية حقيقية، مثل التكاليف والبنية التحتية المطلوبة.


المراجع المستخدمة
Salehi, A., Ghazanfari, M., & Fathian, M. (2017). Data Mining Techniques for Anti Money Laundering. International Journal of Applied Engineering Research, 12(20), 10084-10094
El-Din, A. K., & El Khamesy, N. (2016). Data Mining Techniques for Anti-Money Laundering. International Journal of Computer Applications, 146(12), 28-33. doi:10.5120/ijca2016910953
R. Drezewski et al., The application of social network analysis algorithms in a system supporting money laundering detection, Inform. Sci. (2014), http://dx.doi.org/10.1016/j.ins.2014.10.015
Alexandre C., Balsa J. (2016) Integrating Client Profiling in an Anti-money Laundering Multi-agent Based System. In: Rocha Á., Correia A., Adeli H., Reis L., Mendonça Teixeira M. (eds) New Advances in Information Systems and Technologies. Advances in Intelligent Systems and Computing, vol 444. Springer, Cham
قيم البحث

اقرأ أيضاً

تقترح هذه الورقة استخدام تقنيات استخراج المعرفة للكشف عن غسيل الاموال في الأنظمة المصرفية بالاضافة الى ذكر نظام مطبق للكشف عن غسيل الاموال باستخدام خوارزمية clope
يعرض هذا البحث آليات تطبيق تقنيات التنقيب في المعطيات و حلول ذكاء الأعمال على المعطيات الموجودة ضمن مكتبة الجامعة العربية الدولية بعد ربطها بمعطيات الطلاب الموجودة ضمن النظام الأكاديمي الخاص بالجامعة، و الإجابة عن مجموعة من الأسئلة و الاستفسارات ا لتي من الممكن أن تؤثر في سير العمل ضمن المؤسسة التعليمية بوجه عام و ضمن مكتبة الجامعة بوجه خاص، و تقديم بعض الحلول لمساعدة المكتبة في تطوير خدماتها، و تطوير آليات العمل ضمنها، إضافة إلى تحديد بعض المؤشرات المتعلقة بدور موارد المعلومات في تطوير العملية التعليمية.
يهدف التنقيب عن البيانات التعليمية إلى دراسة البيانات المتوفرة في المجال التعليمي وإخراج المعرفة المخفية منه بغية الاستفادة منها في تعزيز عملية التعليم واتخاذ قرارات ناجحة من شأنها تحسين الأداء الأكاديمي للطالب. تقترح هذه الدراسة استخدام تقنيات التنق يب عن البيانات لتحسين التنبؤ بأداء الطلاب، حيث تم تطبيق ثلاث خوارزميات تصنيف Naïve Bayes, J48, Support Vector Machine)) على قاعدة بيانات أداء الطلاب ، ثم تم تصميم مصنف جديد لدمج نتائج تلك المصنفات الفردية باستخدام تقنية الدمج Voting Method . تم استخدام الأداة WEKAالتي تدعم الكثير من خوارزميات و طرائق التنقيب في البيانات. تظهر النتائج أن مصنف الدمج لديه أعلى دقة للتنبؤ بمستويات الطلاب مقارنة بالمصنفات الأخرى ، حيث حقق دقة تعرف وصلت إلى74.8084 % . و أفادت خوارزمية العنقدةsimple k-means في تجميع الطلاب المتشابهين في مجموعات منفصلة بالتالي فهم مميزات كل مجموعة مما يساعد على قيادة وتوجيه كل مجموعة على حدى.
تتكرر تأخيرات الرحلات الجوية في جميع أنحاء العالم (حوالي 20٪ من رحلات الطيران تصل متأخرة أكثر من 15 دقيقة) وتقدر كلفتها السنوية بعشرات المليارات من الدولارات. يجعل هذا السيناريو التنبؤ بتأخيرات الرحلة قضية أساسية لشركات الطيران والمسافرين. الهدف الرئ يسي من هذا العمل هو تطبيق تنبؤ بتأخير وصول رحلة مجدولة تبعاً للظروف الجوية. يأخذ تأخير الوصول المتوقع في الاعتبار كلاً من معلومات الرحلة (المطار الأصلي ، مطار الوجهة ، وقت المغادرة ووقت الوصول) وأحوال الطقس في المطار الأصلي والمطار المقصود وفقًا لجدول الرحلة. تم تحليل الرحلات الجوية ومجموعات المعطيات الخاصة بالملاحظات الجوية باستخدام الخوارزميات المتوازية المطبقة في برنامج MapReduce المنفّذ على منصّة سحابية. تظهر النتائج دقة عالية في التنبؤ بالتأخيرات مع عتبة معينة. على سبيل المثال ، مع عتبة تأخير مدتها 15 دقيقة ، نحقق دقة تبلغ 74.2 ٪ و 71.8 ٪ من التذكر recall على الرحلات المتأخرة ، بينما مع عتبة 60 دقيقة ، كانت الدقة 85.8 ٪ ، وتذكّر التأخر هو 86.9 ٪. علاوة على ذلك ، توضح النتائج التجريبية قابلية التوسّع للمتنبئ التي يمكن تحقيقها أثناء أداء مهام إعداد المعطيات والتنقيب بها كتطبيقات MapReduce على السحابة.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا