Казаченко И.С.
ПРИМЕНЕНИЕ ИИ В АНАЛИЗЕ ФИНАНСОВЫХ МОШЕННИЧЕСТВ *
Аннотация:
в работе рассматривается роль искусственного интеллекта (ИИ) в борьбе с финансовыми мошенничествами, а также рассматривается мировой опыт (в частности, банковский сектор). Анализируются преимущества использования ИИ, а также существующие ограничения данного инструмента. Отдельно рассматриваются потенциальные перспективы от внедрения ИИ в России.
Ключевые слова:
искусственный интеллект, финансовое мошенничество, блокчейн технология, банковская безопасность, анализ аномалий
В современном мире опыт использования искусственного интеллекта довольно обширен. Можно сказать, что он начал активно использоваться во многих странах в совершенно различных областях, в том числе и в борьбе с финансовыми мошенничествами. При этом современное финансовое мошенничество, принимающее все более изощренные формы, представляет серьезную угрозу для мировой экономики. Традиционные методы выявления и предотвращения мошеннических схем зачастую оказываются неэффективными в свете быстро меняющихся технологий и усложняющихся преступных схем. В качестве наиболее эффективного инструмента борьбы с финансовым мошенничеством может выступать искусственный интеллект (ИИ), который в руках регуляторов, финансовых институтов и правоохранительных органов может стать мощным инструментом, предоставляя им возможность обнаруживать малейшие аномалии в довольно короткий промежуток времени, также этот инструмент может позволить спрогнозировать риски в компаниях и оперативно отреагировать на эти мошеннические действия. Наиболее трудоемкая в проверке и верификации часть, на которую привлекается ИИ, является выявление мошеннических транзакций, особенно когда эта цепочка проходит через множество фиктивных и подставных фирм.Сам по себе ИИ представляет собой алгоритм машинного обучения, которому на вход дают большой объем исторических данных, проанализировав которые получается краткая выжимка «поведения» на заданную ситуацию. При этом такое обучение позволяет распознавать незаметные обычному глазу закономерности и паттерны, какими, например, являются транзакции в банковском секторе. ИИ обнаруживает необычные объемы транзакций, несвойственные индивидам выбросы, сомнительные переводы между физическими и юридическими лицами, а также переводы в подозрительные страны. Компании, занимающиеся онлайн-платежами, используют ИИ для выявления случаев кражи личных данных и несанкционированных покупок.Другим перспективным направлением является анализ финансовых отчетов и выявление аномалий в бухгалтерском учете. ИИ способен автоматически анализировать тысячи документов, выявлять несоответствия, манипуляции с доходами и расходами, а также другие признаки мошенничества в короткий промежуток времени, экономя время целой команды аудиторов. Это особенно актуально в контексте борьбы с корпоративным мошенничеством и уклонением от уплаты налогов. В США, Комиссия по ценным бумагам и биржам (SEC) использует ИИ для выявления инсайдерской торговли и манипулирования рынком. Алгоритмы анализируют коммуникации между трейдерами, новости и рыночные данные, чтобы выявить подозрительные паттерны и связи.Ярким примером анализа больших данных, который имел выгоду для государства и финансового сектора, является недавний случай, когда деятель из команды нового президента Дональда Трампа Илон Маск, проанализировав в короткий срок большой массив данных по населению США, обнаружил в системе американского страхования несколько тысяч якобы ещё живых американцев, которым от 200 до 360 лет, а также 20 млн граждан, которым перевалило за 100 лет. Маск даже в шутку предположил, что значительная часть пенсионеров США - вампиры.В статье «AI-Driven Approaches for real-time fraud detection in US financial transactions: challenges and opportunities» авторы рассматривают мошенничество в финансовых транзакциях, которое остается серьезной проблемой для финансового сектора США, требующей разработки усовершенствованных механизмов обнаружения. [1] В связи с этим все чаще дополняются и заменяются подходами методы на основе ИИ. В статье рассматривается применение искусственного интеллекта для обнаружения мошенничества в режиме реального времени, подчеркиваются потенциальные преимущества, проблемы и будущие направления этих технологий. Методы на основе ИИ, такие как алгоритмы машинного обучения, модели глубокого обучения и обработка естественного языка, предлагают надежные решения для выявления и опережения мошеннических действий. При этом интеграция гибридных моделей повышает точность и надежность этих систем. Но использование ИИ имеет и ряд недостатков, например, как обеспечение качества данных на входе при обучении нейросетей, чтобы на качество анализа можно было полагаться с разумной уверенностью. Также остро стоит вопрос решения проблем конфиденциальности и достижение масштабируемости для обработки в режиме реального времени. ИИ – это частная разработка, государство и регуляторные органы не могут быть уверены, что информация, используемая ими для проверки, не утечет в открытый доступ. Тем не менее несмотря на эти проблемы, авторы пришли к выводу, что потенциальная выгода от использования искусственного интеллекта перевесит эти недостатки. Данная технология продолжает активно развиваться, ее применение в обнаружении мошенничества увеличивает потенциальные выгоды.ИИ сейчас также активно применяется для распознавания образов и документов. Это особенно полезно для борьбы с подделкой документов (паспортов, водительских удостоверений, банковских выписок) и идентификацией лиц, участвующих в мошеннических схемах. Алгоритмы компьютерного зрения могут анализировать изображения и видео, выявляя признаки фальсификации или несоответствия (факсимиле, электронные документы, созданные после даты подписания, указанной внутри).Еще одним активно развивающимся направлением стала поведенческая аналитика, основанная на использовании ИИ. Этот подход предполагает создание профилей пользователей и выявление отклонений от нормального поведения. Например, алгоритмы могут отслеживать поведение пользователей в социальных сетях, анализировать их публикации, контакты и интересы, чтобы выявить признаки мошеннической активности или потенциальной подверженности влиянию мошенников.Рассматривая Российский опыт применения ИИ, то можно сказать, что мы находимся лишь в начале пути и делаем первые шаги в эту большую перспективу. На мой взгляд, применение ИИ в борьбе с финансовыми мошенничествами в России имеет огромный потенциал, так как многие выявленные кейсы мошенничества в РФ сами по себе являются примитивными и можно сказать «глупыми», ИИ потребовалось бы несколько секунд для выявления такого рода мошенничеств.Также можно выделить основные драйверы для внедрения ИИ. На первом месте, конечно же, находится Банковский сектор. ИИ позволил бы очень быстро выявлять мошеннические транзакции. Более того, эта же система может давать оценки кредитных рисков при выдаче займов, для предотвращения отмывания денег и неплатежеспособности. На втором месте стоят государственные органы. Федеральная налоговая служба (ФНС), внедрив ИИ для анализа данных и выявления нарушений налогового законодательства, сможет очень быстро выявлять недобросовестных граждан и юридических лиц. При этом существуют все те же ограничения в виде конфиденциальности информации и надежности данных на входе при обучении системы. В целом, на мой взгляд, в РФ для разработки собственного ИИ мало данных, которые бы обеспечили надежность обучения модели. А использование сторонних систем иностранной разработки чревато этическими аспектами, связанными с защитой персональных данных, обеспечением прозрачности и предотвращением дискриминации. Также в нашей стране существуют регуляторные барьеры, так как еще сформированы соответствующие правовые и нормативные акты, регулирующие использование ИИ, что создает неопределенность для бизнеса и государственных органов.Несмотря на существующие ограничения, применение ИИ в борьбе с финансовыми мошенничествами имеет огромный потенциал. Уже сейчас частный сектор для решения своих проблемных вопросов используют ИИ. Так, например, многие крупные страховые компании уже активно используют ИИ для различных целей, от автоматизации обработки заявлений до борьбы с мошенничеством и управления рисками [3]. По данным исследований, значительное количество страховых компаний планируют интегрировать ИИ в свои операции в ближайшие годы. Например, отчёт Accenture показывает, что около 79% страховых компаний включили ИИ в свою стратегию цифровой трансформации, а исследование McKinsey Global Institute предсказывает, что к 2030 году автоматизация, включая применение ИИ, может затронуть до 25% задач в индустрии страхования. А технология блокчейн может быть использована для создания надежных и не поддельных страховых полисов, что сделает процессы более прозрачными и уменьшит количество мошеннических схем. Блокчейн позволит в реальном времени верифицировать и отслеживать все изменения в страховом полисе, обеспечивая защиту от подделок и несанкционированных изменений. Еще одним успешным примером использования ИИ в сфере страхования для выявления мошеннических страховых случаев является компания Shift Technology, которая использует ИИ для анализа страховых претензий и выявления признаков мошенничества, таких как поддельные документы, завышение ущерба или сговор между страхователем и агентом. По данным Shift Technology, применение ИИ позволило сократить убытки от мошеннических страховых случаев на 20%.Таким образом, виднеется тенденция к тому, что искусственный интеллект станет незаменимым инструментом в борьбе с финансовыми мошенничествами. Мировой опыт демонстрирует эффективность ИИ в выявлении аномалий, прогнозировании рисков и оперативном реагировании на мошеннические действия. В России применение ИИ находится на начальном этапе, но имеет огромный потенциал. Конечно, ИИ не является панацеей от финансовых мошенничеств, но он значительно усиливает возможности регуляторов, финансовых институтов и правоохранительных органов в борьбе с этим негативным явлением.
Номер журнала Вестник науки №6 (87) том 5 ч. 2
Ссылка для цитирования:
Казаченко И.С. ПРИМЕНЕНИЕ ИИ В АНАЛИЗЕ ФИНАНСОВЫХ МОШЕННИЧЕСТВ // Вестник науки №6 (87) том 5 ч. 2. С. 18 - 23. 2025 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/24946 (дата обращения: 11.02.2026 г.)
Вестник науки © 2025. 16+