使用机器学习的货币洗钱分析模型

将从非法活动（如毒品走私）中获得的资金伪装成合法商业投资利润的行为被称为洗钱。通过非法行为获得的资金被视为脏钱，必须“洗净”才显得干净。洗钱如今对国家以及金融机构来说是一个主要问题。这种非法活动的复杂性正在增长；它似乎已经超越了传统的毒品走私，涉及恐怖融资和个人利益。反洗钱研究至关重要，因为洗钱是全球性问题，严重危害国际安全和金融稳定。此外，估计银行系统只能没收0.2%的被洗的钱。该犯罪行为本身变得越来越复杂，银行因其持续的数量增加而变得更脆弱。考虑到银行机构在洗钱行业中的角色，业内从业者和研究人员对创造性地解决问题和改善反洗钱努力的方式越来越感兴趣。研究人员开始考察人工智能方法在这一领域的可行性。然而，调查发现关于银行业反洗钱的人工智能方法的全面研究存在系统性的知识缺口。为了打击投资欺诈，大多数全球金融机构已实施反洗钱措施。数据挖掘工具最近出现，并被认为是识别洗钱案例的有效方法。