ارائه یک متدولوژی مبتنی بر نقشه های خود سازمانده و شبکه های عصبی چندلایه برای رخدادهای مشکوک به پول شویی در سطح شعب بانک ها

با توجه به اهمیت سیستم های بانکداری و سوء استفاده از این بستر برای مقاصد پولشویی، نیاز مبرم به پیاده سازی سیستم های ضد پولشویی از طرف دولت ها و موسسات سیاست گذار در امور اقتصادی مورد توجه است. همچنین با توجه به رشد تروریسم و تقلب های سازماندهی شده و از طرفی تصویب قوانین متعدد علیه این موارد نیاز به این سیستم ها در حال افزایش است. از سوی دیگر، پیچیدگی رفتار های مشکوک به پولشویی به گونه ای است که بدون ابزاری هوشمند و داده محور نمی توان در کشف پولشویی اقدام قابل توجهی انجام داد. نکته مهم و شاید کاربردی در ایران نزدیکی این سیستم ها با سیستم های ضد رشوه خواری، تقلب، تخلف و سیستم های بازرسی است که می تواند به عنوان ابزاری کارآمد برای واحد بازرسی بانک تلقی گردد. در این مقاله رویکردی مبتنی بر آنالیز و پردازش داده ها پیشنهاد می شود. در این رویکرد با استفاده از نقشه های خودسازمانده شعب بانک بر اساس رفتارهای مشابه خوشه بندی می شوند سپس با استفاده از یک شاخص خطی فرایند برچسب-گذاری شعب صورت می گیرد. در مرحله بعد با استفاده از آموزش یک شبکه عصبی چند لایه، الگویی جهت شناسایی شعب بانک که در آنها فرایند های مشکوک پولشویی صورت می گیرد معرفی می شود.