Выявление финансового мошенничества с применением методов машинного обучения: обзор литературы

Финансовое мошенничество оказывает негативное воздействие на административные процессы организаций, особенно затрагивая интересы владельцев и/или инвесторов, стремящихся максимизировать свою прибыль. Для решения этой проблемы в исследовании представлен обзор литературы по выявлению финансового мошенничества с применением методов машинного обучения. Были применены методы PRISMA и Китченхэма, а также проанализированы 104 статьи, опубликованные в период с 2012 по 2023 год. Статьи отбирались на основе заранее определённых критериев включения и исключения и были получены из таких баз данных, как Scopus, IEEE Xplore, Taylor & Francis, SAGE и ScienceDirect. Отобранные статьи, а также сведения о вкладе авторов, источниках, странах, тенденциях и наборах данных, использованных в экспериментах, были проанализированы для выявления финансового мошенничества и его существующих типов. Для оценки эффективности применялись модели и метрики машинного обучения. Анализ показал тенденцию к использованию реальных наборов данных. В частности, модели выявления мошенничества с кредитными картами наиболее широко применяются для обнаружения мошенничества при кредитовании с использованием кредитных карт. Информация, полученная различными авторами, была собрана с фондовых бирж Китая, Канады, Соединённых Штатов, Тайваня и Тегерана, а также других стран. Кроме того, доля синтетических данных оставалась низкой — менее 7% использованных наборов данных. Среди ведущих участников исследований по-прежнему выделяются Китай, Индия, Саудовская Аравия и Канада, тогда как на страны Латинской Америки приходится небольшое число публикаций по данной тематике.