Сравнительный анализ и возможности ИИ-технологий для предотвращения мошенничества в финансовом секторе
DOI:
https://doi.org/10.52575/2687-0932-2025-52-1-110-124Ключевые слова:
искусственный интеллект, модели ИИ, финансовые данные, мошенничество, выявление аномалий, подозрительная активностьАннотация
Технологии искусственного интеллекта (ИИ) охватывают ключевые области обеспечения безопасности в финансовом секторе, включая противодействие отмыванию денег и мошенничеству, сбор данных о безопасности, мониторинг и предотвращение киберугроз. Несмотря на большое количество публикаций, практически отсутствуют исследования по внедрению и использованию ИИ, сравнению отдельных субтехнологий ИИ, что затрудняет оценку их эффективности, скорости и точности распознавания мошеннических схем, что обосновывает актуальность исследования. Цель – оценить возможности применения различных ИИ-технологий для выявления подозрительной активности и аномалий и провести сравнительный анализ их эффективности при противодействии мошенничеству в финансовом секторе. Методы: общенаучные методы теоретического познания – проведения аналогий, индукции и дедукции, сравнительный анализ, монографический анализ, кейс-стади. Особое внимание было уделено опыту финансового сектора США. В качестве эмпирической базы использовались статистические данные из исследований Центра Исследований и Разработок Аль-Кинди. В статье определены возможности ИИ-технологий: 1) на различных этапах предотвращения мошенничества согласно модели CIMA; 2) для различных типов финансового мошенничества. Согласно результатам исследования, показатели эффективности различных моделей колеблются в диапазоне 88–94 %, что говорит об их хорошей адаптивности к различным сценариям обнаружения мошенничества. Наибольшую полноту раскрытия демонстрируют субтехнологии машинного обучения (дерево решений) и модели глубокого изучения (нейронные сети и сверточные нейронные сети). Положительное влияние ИИ-технологий на процедуру выявления мошенничества заключается в повышении точности обнаружения мошенничества на 85 %, росте скорости выявления новых схем мошенничества на 78 %, росте обнаружения мошенничества на 70 %, снижении ложных срабатываний на 92 %. Предложены решения по развитию ИИ в целях предотвращения мошенничества в финансовом секторе, которые включают подготовку данных на этапе сбора, обоснованный выбор ИИ-моделей, проверку возможностей интеграции ИИ-моделей, сотрудничество с ИТ-компаниями.
Скачивания
Библиографические ссылки
Список источников
Индикаторы цифровой экономики: 2024: статистический сборник. 2024. В.Л. Абашкин, Г.И. Абдрахманова, К.О. Вишневский, Л.М. Гохберг и др. Нац. исслед. ун-т «Высшая школа экономики». М.: ИСИЭЗ ВШЭ, 276. ISBN 978-5-7598-3008-5. https://doi.org/10.17323/978-5-7598-3008-5
Паспорт федерального проекта «Искусственный интеллект» национальной программы «Цифровая экономика Российской Федерации». 2020. Правительство Российской Федерации. URL: https://spa.msu.ru/wp-content/uploads/5-1.pdf (дата обращения 30.11.2024)
Дорожная карта развития «сквозной» цифровой технологии «Нейротехнологии и искусственный интеллект». 2019. Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации. URL: https://digital.gov.ru/uploaded/files/07102019ii.pdf (дата обращения 30.11.2024)
Estimated value of the financial sector's artificial intelligence (AI) spending worldwide in 2023, with forecasts from 2024 to 2027. 2024. Statista.com. URL: https://www.statista.com/statistics/1446037/financial-sector-estimated-ai-spending-forecast/ (дата обращения: 30.11.2024).
F1 Score in Machine Learning: Intro & Calculation. 2022. V7 Labs. URL: https://www.v7labs.com/blog/f1-score-guide (дата обращения: 30.11.2024).
Financial sector AI spending worldwide 2023, with forecasts to 2027. 2023. Statista. URL: https://www.statista.com/statistics/1446037/financial-sector-estimated-ai-spending-forecast/
How LLMs in banking enhance fraud detection, risk assessment, and credit evaluation // Pacific Data Integrators. PDI Marketing Team. URL: https://www.pacificdataintegrators.com/ (дат обращения: 30.11.2024).
Mayanard N. 2022. AI in Financial Fraud Detection: Key Trends, Competitor Leaderboard & Market Forecasts 2022-2027. JUNIPER Research. URL: https://www.juniperresearch.com/research/fintech-payments/fraud-identity/ai-financial-fraud-detection-trends-report/
Mayanard N. 2023. AI in Financial Fraud Detection Market Summary 2022-2027. JUNIPER Research URL: https://www.juniperresearch.com/resources/infographics/ai-financial-fraud-detection-infographic/
What are evaluation metrics in natural language processing? Alooba. URL: https://www.alooba.com/skills/concepts/natural-language-processing/evaluation-metrics/ (дата обращения: 30.11.2024).
Список литературы
Бабанская А.С., Груднева А.А. 2020. Анализ и оценка финансовых рисков. Бухучет в сельском хозяйстве, 4: 66–75.
Багреева Е.Г., Исмаилов Н.Э.О., Бобылева Л.М. 2022. Искусственный интеллект как противодействие мошенничеству в банковской сфере. Евразийская адвокатура, 2 (57): 90–95. https://doi.org/10.52068/2304-9839_2022_57_2_90
Беспалов Д.А., Богатырева М.В. 2023. Роль искусственного интеллекта в финансовом секторе. Вестник Алтайской академии экономики и права, 7-1: 10–16. DOI https://doi.org/10.17513/vaael.2892
Горян Э.В. 2019. Зарубежный опыт использования технологий искусственного интеллекта в обеспечении информационной безопасности банковского сектора. Территория новых возможностей. Вестник Владивостокского государственного университета экономики и сервиса, 11, 4: 62–73. https://doi.org/10.24866/VVSU/2073-3984/2019-4/062-073
Золотова Е.А., Калашникова Е.Ю., Чувилова О.Н., Гришанов С.М. 2023. Российская и зарубежная практика искусственного интеллекта в банковской деятельности и его значимость для бизнес-процессов. Вестник Северо-Кавказского федерального университета, 1 (94): 21–31. https://doi.org/10.37493/2307-907X.2023.1.3
Хоружий Л.И., Бабанская А.С., Трясцина Н.Ю. 2018. Мошенничество с финансовой информацией: анализ и оценка деловых партнеров. Бухучет в сельском хозяйстве, 5: 68–80.
Adelakun B.O., Antwi B.O., Fatogun D.T., Olaiya O.P. 2024. Enhancing audit accuracy: The role of AI in detecting financial anomalies and fraud. Finance & Accounting Research Journal (FARJ), 6, 6: 1049–1068. https://doi.org/10.51594/farj.v6i6.1235
Bello O.A., Folorunso A., Onwuchekwa J., Ejiofor O.E., Budale F.Z., & Maryann Egwuonwu M.N. 2023. Analysing the impact of advanced analytics on fraud detection: a machine learning perspective. European Journal of Computer Science and Information Technology, 11 (6): 103–126. https://doi.org/10.37745/ejcsit.2013/vol11n6103126
Bello O.A., Ogundipe A., Mohammed D., Folorunso A., & Alonge O.A. 2024. AI-Driven approaches for real-time fraud detection in US financial transactions: challenges and opportunities. European Journal of Computer Science and Information Technology, 121(6): 88–106. https://doi.org/10.37745/ejcsit.2013/vol11n684102
Daraojimba R.E., Farayola O.A., Olatoye F.O., Mhlongo N., Oke T.T. 2023. Forensic accounting in the digital age: a U.S. perspective: scrutinizing methods and challenges in digital financial fraud prevention. Finance & Accounting Research Journal, 5, 11: 342–360. https://doi.org/10.51594/farj.v5i11.614
Hasan M.F, Amanah A.A., Fadhil A.H., & Falih A.J. 2024. Corporate political responsibility in the digital age: trends and challenges. International Conference on Science, Innovations and Global Solutions, July: 165–172. https://doi.org/10.5281/zenodo.13701910
Kamuangu P.K. 2024. A review on financial fraud detection using AI and Machine Learning. Journal of Economics, Finance and Accounting Studies (JEFAS), 6(1): 67–77. https://doi.org/10.32996/jefas.2024.6.1.7
Mohammad R. 2024. Generative AI in Fintech: advancing risk assessment and fraud detection in digital payment technologies. International Journal for Research in Applied Science & Engineering Technology (IJRASET), 12, VIII: 1318–1326. https://doi.org/10.22214/ijraset.2024.64110
Toth Z., Blut M. 2024. Ethical compass: the need for corporate digital responsibility in the use of Artificial Intelligence in financial services. Organizational Dynamics, 53, 2: 101041. https://doi.org/10.1016/j.orgdyn.2024.101041
Udeh E.O., Amajuoyi P., Adeusi K.B., Scott A.O. 2024. The role of big data in detecting and preventing financial fraud in digital transactions. World Journal of Advanced Research and Reviews, 22(02): 1746–1760. https://doi.org/10.30574/wjarr.2024.22.2.1575
References
Babanskaya A.S., Grudneva A.A. 2020. Analysis and assessment of financial risks. Accounting in agriculture, 4: 66–75.
Bagreeva E.G., Ismailov N.E.O., Bobyleva L.M. 2022. Artificial intelligence as a means of counteracting fraud in the banking sector. Eurasian Advocacy, 2 (57): 90–95. https://doi.org/10.52068/2304-9839_2022_57_2_90
Bespalov D.A., Bogatyreva M.V. 2023. The role of artificial intelligence in the financial sector. Bulletin of the Altai Academy of Economics and Law, 7-1: 10–16. DOI https://doi.org/10.17513/vaael.2892
Goryan E.V. 2019. Foreign experience of using artificial intelligence technologies in ensuring information security of the banking sector. Territory of new opportunities. Bulletin of Vladivostok State University of Economics and Service, 11, 4: 62–73. https://doi.org/10.24866/VVSU/2073-3984/2019-4/062-073
Zolotova E.A., Kalashnikova E.Yu., Chuvilova O.N., Grishanov S.M. 2023. Russian and foreign practice of artificial intelligence in banking and its significance for business processes. Bulletin of the North Caucasian Federal University, 1 (94): 21–31. https://doi.org/10.37493/2307-907X.2023.1.3
Khoruzhy L.I., Babanskaya A.S., Tryascina N.Yu. 2018. Fraud with financial information: analysis and assessment of business partners. Accounting in agriculture, 5: 68–80.
Adelakun B.O., Antwi B.O., Fatogun D.T., Olaiya O.P. 2024. Enhancing audit accuracy: The role of AI in detecting financial anomalies and fraud. Finance & Accounting Research Journal (FARJ), 6, 6: 1049–1068. https://doi.org/10.51594/farj.v6i6.1235
Bello O.A., Folorunso A., Onwuchekwa J., Ejiofor O.E., Budale F.Z., & Maryann Egwuonwu M.N. 2023. Analysing the impact of advanced analytics on fraud detection: a machine learning perspective. European Journal of Computer Science and Information Technology, 11 (6): 103–126. https://doi.org/10.37745/ejcsit.2013/vol11n6103126
Bello O.A., Ogundipe A., Mohammed D., Folorunso A., & Alonge O.A. 2024. AI-Driven approaches for real-time fraud detection in US financial transactions: challenges and opportunities. European Journal of Computer Science and Information Technology, 121(6): 88–106. https://doi.org/10.37745/ejcsit.2013/vol11n684102
Daraojimba R.E., Farayola O.A., Olatoye F.O., Mhlongo N., Oke T.T. 2023. Forensic accounting in the digital age: a U.S. perspective: scrutinizing methods and challenges in digital financial fraud prevention. Finance & Accounting Research Journal, 5, 11: 342–360. https://doi.org/10.51594/farj.v5i11.614
Hasan M.F, Amanah A.A., Fadhil A.H., & Falih A.J. 2024. Corporate political responsibility in the digital age: trends and challenges. International Conference on Science, Innovations and Global Solutions, July: 165–172. https://doi.org/10.5281/zenodo.13701910
Kamuangu P.K. 2024. A review on financial fraud detection using AI and Machine Learning. Journal of Economics, Finance and Accounting Studies (JEFAS), 6(1): 67–77. https://doi.org/10.32996/jefas.2024.6.1.7
Mohammad R. 2024. Generative AI in Fintech: advancing risk assessment and fraud detection in digital payment technologies. International Journal for Research in Applied Science & Engineering Technology (IJRASET), 12, VIII: 1318–1326. https://doi.org/10.22214/ijraset.2024.64110
Toth Z., Blut M. 2024. Ethical compass: the need for corporate digital responsibility in the use of Artificial Intelligence in financial services. Organizational Dynamics, 53, 2: 101041. https://doi.org/10.1016/j.orgdyn.2024.101041
Udeh E.O., Amajuoyi P., Adeusi K.B., Scott A.O. 2024. The role of big data in detecting and preventing financial fraud in digital transactions. World Journal of Advanced Research and Reviews, 22(02): 1746–1760. https://doi.org/10.30574/wjarr.2024.22.2.1575
Просмотров аннотации: 17
Поделиться
Опубликован
Как цитировать
Выпуск
Раздел
Copyright (c) 2025 Экономика. Информатика

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.