پيشنهاد يك متدولوژي براي كشف پول‌شويي (با به‌كارگيري روش منطق فازي)

Developing a Methodology to Detect Money Laundering (Using Fuzzy Logic)

امروزه با گسترش فن‌آوري اطلاعات در شبكه بانكي دنيا، جرم در اين صنعت به صورت چشمگيري در حال افزايش است و هزينه‌هاي زيادي را به كسب‌وكارها تحميل مي‌كند. درنتيجه شناسايي جرم به مسئله بسيار مهمي تبديل شده است. يكي از جرم‌هايي كه منجر به ايجاد اختلال در عملكرد بانك‌ها مي‌شود، جرم پول‌شويي است كه تلاش‌هاي گسترده‌اي در سطح بين‌الملل جهت كشف آن در حال انجام است. در همين راستا طراحي مكانيسمي كه قادر به شناسايي جرم پول‌شويي باشد، داراي اهميت است. تكنيك‌هاي شناسايي جرم پول‌شويي، علاوه بر آنكه تقلب‌ها و كلاه‌برداري‌هاي صورت‌گرفته در يك سازمان را شناسايي كرده و مورد تجزيه‌وتحليل قرار مي‌دهد، به نوعي با شناخت رفتار كاربران يا مشتريان سعي در پيش‌بيني رفتار آتي آن‌ها داشته و ريسك انجام پول‌شويي را كاهش مي‌دهد. با توجه به اهميت موضوع در اين مقاله سعي شده است بر اساس ضوابط بين‌المللي، مكانيسمي جهت شناسايي جرم پول‌شويي در شبكه بانكي كشور طراحي شود. طراحي اين مكانيسم بانك‌ها را قادر خواهد ساخت قبل از وقوع جرم، احتمال وقوع آن را شناسايي كرده و مانع از رخداد پديده پول‌شويي شوند. آزمون اعتبار مدل بيانگر RMSE=0.08‌ است. نتيجه حاصل، بيانگر مناسب بودن مدل براي كشف پول‌شويي است.

Today, crime is rising dramatically in the banking industry with the Growth of information technology in banking network and this Imposes heavy costs on businesses. As a result, crime detection has become a very important issue. One of the crimes that led to disruptions in the banking function, is the crime of money laundering which extensive efforts are being taken at the international level to detect it. In this regard, a mechanism that is able to detect money laundering crime is valuable. Identification techniques of money laundering can help to identify and analyze fraud and scams in an organization and also reduce the risk of doing money laundering by understanding user behavior or clients. Given the importance of the subject, in order to identify the crime of money laundering in the banking network, a mechanism should be designed based on international standards. Setting this mechanism enables the banks to predict the probability of occurrence of the crime before it happens and be useful in the crime prevention. The results of the test the validity of the model show RMSE = 0.08 and the model is suitable to detect money laundering.