Почему бы не использовать машинное обучение для борьбы с отмыванием денег?
В интересной статье MIT Tech Review Пандемия изменила способ скрытия преступниками своих денег - и инструменты искусственного интеллекта пытаются их вынюхать », описывает, как пандемия коронавируса с ее блокировками, срывом поездок и ограничениями в экономическом или экономическом плане. деятельность, связанная с наличными деньгами, является головной болью для преступников, пытающихся отмыть деньги.
Ежегодно, по оценкам ООН, от 800 до 2 триллионов долларов преступных доходов отмываются и повторно вводятся в экономику, обычно с использованием малых предприятий, которые в основном обрабатывают наличные деньги, и незаконно перемещают их через границы. Но ограничения, введенные пандемией, вынудили преступников искать новые стратегии для отмывания своих незаконно полученных доходов, с которыми властям трудно справиться.
Решение может заключаться в использовании способности машинного обучения обнаруживать аномалии. Применительно к набору данных обнаружение аномалий выявляет выбросы, которые могут указывать на мошенничество или проблемы с качеством данных, без необходимости предварительно помечать данные. Инструменты неконтролируемого обучения для обнаружения аномалий - те, с которыми я наиболее знаком, разработаны BigML, компанией, в которой я являюсь стратегическим советником, - присваивают каждому случаю оценку в наборе данных от 0% до 100% и выставляют баллы. 60% и более обычно считаются выбросами.
Во многих случаях обнаружение, изоляция и устранение выбросов выполняется систематически, чтобы улучшить качество набора данных перед анализом, чтобы найти неверно введенную информацию, проблемы со считывающими приборами и т. Д., И может привести к значительному повышению точности и производительности, когда оценка моделей классификации и регрессии. Но в других случаях, таких как банковские операции или транзакции с кредитными картами, кибербезопасность и т. Д., Этот тип анализа может использоваться для выявления моделей мошенничества или вторжения и может применяться очень быстро и легко.
Скоро мы сможем подвергать данные такому анализу в нескольких контрольных точках. В политике, например, такая технология может обнаруживать и изолировать случаи коррупции, которые, как правило, порождают нерегулярные модели. В экономике в целом постепенное сокращение использования наличных денег и последующий анализ временных рядов электронных транзакций также сделает возможными более быстрые и прямые способы выявления моделей отмывания денег или уклонения от уплаты налогов, побуждая преступников искать более изощренные методы. методы осуществления своей деятельности.
Незаконные деньги - огромная проблема, которая имеет серьезные социальные и экономические последствия. Для преступников пандемия оказалась идеальным штормом, когда дело доходит до блокировки их обычных источников отмывания денег, что также совпадает с большей доступностью простых аналитических инструментов для выявления моделей их деятельности. Можем ли мы рассчитывать на политическую волю, необходимую для создания таких систем? Разве это не будет хорошим аргументом в пользу более широкого внедрения инструментов машинного обучения властями?
(En español, вода)
