Выявление финансового мошенничества на основе машинного обучения: систематический обзор литературы

Финансовое мошенничество, определяемое как использование обманных тактик для получения финансовой выгоды, в последнее время стало широко распространённой угрозой для компаний и организаций. Традиционные методы, такие как ручная проверка и инспектирование, являются неточными, затратными и трудоёмкими при выявлении подобных мошеннических действий. С появлением искусственного интеллекта подходы на основе машинного обучения могут применяться для интеллектуального выявления мошеннических транзакций посредством анализа больших объёмов финансовых данных. Поэтому в данной работе представлен систематический обзор литературы (SLR), в рамках которого исследуется и обобщается существующая литература по выявлению мошенничества на основе машинного обучения (ML). В частности, в обзоре использован подход Kitchenham, предусматривающий применение чётко определённых протоколов для извлечения и синтеза релевантных статей, а также представления полученных результатов. На основе заданных поисковых стратегий, применённых к популярным электронным библиографическим базам данных, был выявлен ряд исследований. После применения критериев включения и исключения были отобраны, обобщены и проанализированы 93 статьи. В обзоре обобщены распространённые методы машинного обучения, применяемые для выявления мошенничества, наиболее распространённый тип мошенничества и метрики оценки. Анализ рассмотренных статей показал, что метод опорных векторов (SVM) и искусственные нейронные сети (ANN) являются популярными алгоритмами машинного обучения для выявления мошенничества, а мошенничество с банковскими картами — наиболее распространённым типом мошенничества, исследуемым с использованием методов машинного обучения. В заключение в статье представлены основные проблемы, пробелы и ограничения в области выявления финансового мошенничества, а также предложены возможные направления дальнейших исследований.