گسترش حجم تراکنشهای مالی و پیچیدهتر شدن شیوههای جابهجایی منابع، شناسایی رفتارهای مشکوک را به یکی از چالشهای مهم مؤسسات مالی تبدیل کرده است؛ موضوعی که استفاده از ابزارهای تحلیلی و سامانههای هوشمند را برای پایش مستمر جریانهای مالی ضروری کرده است.
به گزارش پایگاه خبری حکمرانی هوشمند، در همین راستا، شرکت دادهکاوان هوشمند توسن سامانه نرمافزاری «کهربا» را با هدف پشتیبانی یکپارچه از فرآیندهای مبارزه با پولشویی در مؤسسات مالی توسعه داده است؛ راهکاری که بر تحلیل دادههای مالی، کشف ناهنجاریها، شناسایی ارتباطات پنهان و تسهیل فرآیند گزارشدهی نظارتی تمرکز دارد.
این سامانه با پشتیبانی از الزامات و بخشنامههای مرکز اطلاعات مالی، مجموعهای از قابلیتهای تحلیلی و عملیاتی را در یک پلتفرم واحد در اختیار مؤسسات مالی قرار میدهد و تلاش میکند فرآیندهای مرتبط با نظارت و انطباق را از حالت پراکنده خارج کند.
معماری ماژولار برای پاسخ به نیازهای متفاوت مؤسسات مالی
یکی از ویژگیهای اصلی «کهربا»، معماری ماژولار آن است. این ساختار به مؤسسات مالی اجازه میدهد متناسب با نیازهای خود، قابلیتهای مختلف سامانه را انتخاب و فعال کنند.
از جمله این قابلیتها میتوان به کشف ناهنجاری، گزارش عملیات مشکوک، تحلیل گراف روابط مالی مشتریان، ارزیابی ریسک تعاملات کاری مشتریان و زیرساخت گزارشدهی تحلیلی اشاره کرد.
در این سامانه، تحلیل سریع دادههای عملیاتی، مدیریت قوانین و زیرسناریوهای مختلف و تولید گزارشهای تحلیلی در کنار یکدیگر قرار گرفتهاند تا فرآیند تصمیمگیری در حوزه انطباق با الزامات مبارزه با پولشویی با سرعت بیشتری انجام شود.
بهرهگیری از فناوریهای تحلیلی برای پردازش حجم بالای تراکنشها نیز یکی دیگر از بخشهای این راهکار است. هدف از این قابلیت، استخراج سریع اطلاعات، شناسایی رفتارهای غیرعادی و کمک به تیمهای تخصصی برای بررسی موارد مشکوک است.
ترکیب قوانین، یادگیری ماشین و تحلیل آماری برای شناسایی تراکنشهای مشکوک
یکی از بخشهای مهم سامانه «کهربا»، استفاده همزمان از چند رویکرد محاسباتی برای تحلیل دادههای مالی است. در این ساختار، هوش مصنوعی برای پردازش حجم گستردهای از اطلاعات و شناسایی الگوهایی به کار گرفته میشود که ممکن است در روشهای سنتی شناسایی نشوند.
در لایه نخست، مدلهای قاعدهمحور هوشمند قرار دارند. این مدلها در کنار قواعد سنتی، از مدلهای آماری استفاده میکنند تا آستانههای تشخیص را متناسب با شرایط و زمینه دادهها به شکل پویا تعیین کنند.
لایه دوم به یادگیری بدون نظارت اختصاص دارد. در این بخش از روشهایی مانند تشخیص ناهنجاری و خوشهبندی برای شناسایی رفتارهای متفاوت استفاده میشود. به این ترتیب، مشتریانی که رفتار مالی آنها از الگوی معمول گروه خود فاصله میگیرد، میتوانند برای بررسی بیشتر علامتگذاری شوند.
لایه سوم نیز به مدلهای یادگیری نظارتشده اختصاص یافته است. این مدلها با استفاده از بازخورد کارشناسان مبارزه با پولشویی و الگوهای بهدستآمده از گزارشهای عملیات مشکوک، امکان شناسایی موارد جدید را فراهم میکنند.
این ساختار سهلایه در مجموع تلاش میکند فرآیند کشف رفتارهای مشکوک را از اتکا به یک روش واحد خارج کرده و مجموعهای از روشهای مکمل را در اختیار کارشناسان قرار دهد.
کشف شبکههای پنهان پولشویی با فناوری گراف
یکی از قابلیتهای متفاوت «کهربا»، استفاده از فناوری گراف برای بررسی روابط میان عناصر مختلف یک شبکه مالی است.
این سامانه با استفاده از فناوری Neo4j و الگوریتمهایی مانند Louvain، به دنبال شناسایی اجتماعات پنهان و محاسبه شاخصهای مرکزیت در شبکههای مالی است. نتیجه این فرایند میتواند به شکل بصری ارتباط میان تراکنشها، حسابها و افراد را نمایش دهد.
در چنین رویکردی، تحلیلگر مالی تنها با یک تراکنش منفرد مواجه نیست، بلکه میتواند ارتباط آن تراکنش با مجموعهای از حسابها، افراد و فعالیتهای مالی را نیز بررسی کند.
بر اساس توضیحات ارائهشده درباره این سامانه، «این قابلیت به تحلیلگران مالی اجازه میدهد که ساختارهای پنهان و حلقههای مشکوک را فراتر از حدس انسانی، بر پایه دادههای واقعی تراکنشها دریابند.»
این قابلیت بهویژه در شرایطی اهمیت پیدا میکند که فعالیتهای مشکوک در قالب مجموعهای از تراکنشهای به ظاهر مستقل انجام شده باشند و ارتباط میان آنها تنها از طریق بررسی شبکهای دادهها قابل مشاهده باشد.
از پردازش تراکنشها تا گزارشدهی نظارتی
«کهربا» تنها بر کشف تراکنشهای مشکوک تمرکز ندارد و زیرساخت گزارشدهی نیز یکی از اجزای آن محسوب میشود. این سامانه امکان تولید گزارشهای تحلیلی و توسعه زیرساخت گزارشدهی متناسب با نیازهای سازمانی و قانونی را فراهم میکند.
همچنین مدیریت یکپارچه مشتریان و فهرستهای مراقبت یا Watchlist، پشتیبانی از الزامات نظارتی و پردازش حجم بالای تراکنشها از دیگر قابلیتهایی است که برای این محصول عنوان شده است.
ترکیب این امکانات در یک پلتفرم واحد میتواند به مؤسسات مالی کمک کند تا فرآیندهای مرتبط با شناسایی، تحلیل و گزارش موارد مشکوک را به شکل منسجمتری دنبال کنند.
هوش مصنوعی؛ بخش کلیدی نسل جدید سامانههای مبارزه با پولشویی
با افزایش حجم دادههای مالی، بررسی دستی همه تراکنشها و ارتباطات میان آنها عملاً با محدودیتهای جدی مواجه است. به همین دلیل، استفاده از مدلهای محاسباتی پیشرفته میتواند نقش مهمی در اولویتبندی موارد نیازمند بررسی انسانی داشته باشد.
در «کهربا»، ترکیب مدلهای قاعدهمحور، یادگیری بدون نظارت و یادگیری نظارتشده، در کنار فناوری گراف قرار گرفته است تا از زوایای مختلف به دادههای مالی نگاه شود.
این رویکرد میتواند زمینه شناسایی سریعتر ناهنجاریها، بررسی روابط پیچیده میان حسابها و افراد و ارائه اطلاعات تحلیلی به کارشناسان مبارزه با پولشویی را فراهم کند.
در نهایت، سامانه «کهربا» تلاش میکند مجموعهای از فناوریهای پردازش داده، تحلیل آماری، یادگیری ماشین و فناوری گراف را در یک ساختار واحد گردآوری کند؛ ساختاری که هدف آن کمک به مؤسسات مالی برای افزایش سرعت شناسایی رفتارهای مشکوک، بهبود فرآیندهای انطباق و ارتقای کیفیت گزارشدهی در حوزه مبارزه با پولشویی است.
انتهای پیام