ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ВЫЯВЛЕНИЯ ПОДОЗРИТЕЛЬНЫХ БАНКОВСКИХ ОПЕРАЦИЙ
Аннотация
В работе представлены алгоритмы глубокого обучения на основе искусственных нейронных сетей, позволяющий выявлять подозрительные сделки физических лиц – клиентов коммерческого банка. В качестве критериев подозрительности были взяты два из восьми критериев Банка России. Для обучения и тестирования алгоритма глубокого обучения был сгенерирован датасет из 10000 транзакций. Были разработаны и протестированы две разновидности нейронных сетей: полносвязная нейросеть и рекуррентная нейросеть, предназначенная для анализа последовательностей. Рекуррентная нейронная сеть показала хорошие результаты по метрикам качества модели Precision, Recall и Accuracy
Литература
Prosis D. Applied Machine Learning and Artificial Intelligence for Engineers. Moscow: TOO "Alist", 2024. 434 p.
Beketnova Yu. M. Models and Methods for Solving Analytical Problems of Financial Monitoring. Yu.M.
Beketnova, G.O. Krylov, S.L. Larionova. Monograph.
Moscow: Prometheus, 2018. 138 p.
Ahmed Sh. et al. Artificial intelligence and machine learning in finance: A bibliometric review. Research in International Business and Finance. 2022. V. 61.
Yaromenko N.N., Zaruba D. S., Unanov A.L., Dogadina
D.S. The Role of Artificial Intelligence in Assessing the
Risks of the Russian Economy N.N. Yaromenko, D.S.
Zaruba, A.L. Unanov, D.S. Dogadina . Bulletin of the Academy of Knowledge. 2024. N 3(62). P. 537-539.
Vyugin V.V. Mathematical Foundations of Machine Learning and Forecasting. Moscow: 2018. 484 p.
Chole F. Deep Learning in Python F. Chole. St. Petersburg: Piter, 2018. 400 p.
Lanskikh Yu.V. Intelligent Data Analysis: textbook. Kirov: Vyatka State University, 2023. 240 p.
Celic D. Implementation of Machine Learning and Deep
Learning in Finance D. Celic, S. Jain Cybersecurity and
Artificial Intelligence. 2024. V 6. P. 59-80.
Mirolyubova A.A., Ksenofontova O.L., Voroshin D.A.
Experience in intellectual analysis and forecasting of the
stock market. Ivecofin. 2024. N. 4(62). P. 55-63. DOI
6060/ivecofin. 2024 624.702. EDN CQZLPD.
Mirolyubova A.A., Xiaotong Ya., Ksenofontova O.L.
Econometric analysis of the relationship between China's
GNP and macroeconomic indicators. Ivecofin 2024. N.
(59). P. 61-69. DOI 10.6060/ ivecofin.2024591.675. EDN
TTLWVG.
Shekshueva S.V., Tatyanin G.V. The introduction of
chatbots with artificial intelligence in remote banking as a
way to increase the competitiveness of a commercial bank.
Modern high technology. Regional application. N 3 (75). P.
-51. DOI 10.6060/snt.20237503.0006.
Shekshueva S.V. Stress tolerance of Russian commercial
banks in the context of global uncertainty. Modern high
technology. Regional application. 2023. N 1 (73). P. 24-30.
DOI 10.6060/snt.20237301.0003.
Kournikova I.V., Savin V.E., Adulova E.A. Methodological problems of assessing the competitiveness of commercial banks. Modern high technology. Regional application.
N 2 (78). P.28-34.
Kournikova I.V., Savin V.E., Kournikova E.V. The role
of systemic and marketing approaches in the strategic development of small towns. Modern high technology. Regional application. 2024. N 4 (80). P.30-37.
