فناوری و علوم جدید چگونه به کمک بانکداری می آید؟

کشف پولشویی با روش های جدید علمی

تاریخ 1397/05/15 ساعت 08:59

ابتدا باید حساب‌ها کنترل و سپس از پاکی آنهایی که مشکوک هستند اطمینان حاصل شود

اعظم احمدیان/آینده نگر

پژوهش: پیشنهاد یک متدولوژی برای کشف پول‌شویی با به‌کارگیری روش منطق فازی

امروزه با گسترش فناوری اطلاعات در شبکه بانکی دنیا، جرم در صنعت به‌صورت چشمگیری در حال افزایش است و هزینه‌های زیادی را به کسب‌وکارها تحمیل می‌کند. در نتیجه شناسایی جرم به مسئله بسیار مهمی تبدیل شده است. یکی از جرم‌هایی که منجر به ایجاد اختلال در عملکرد بانک‌ها می‌شود، جرم پول‌شویی است که تلاش‌های گسترده‌ای در سطح بین‌الملل برای کشف آن در حال انجام است. در همین راستا، طراحی مکانیسمی که قادر به شناسایی جرم پول‌شویی باشد دارای اهمیت است. تکنیک‌های شناسایی جرم پول‌شویی علاوه بر آنکه تقلب‌ها و کلاه‌برداری‌های صورت‌گرفته در یک سازمان را شناسایی می‌کند و مورد تجزیه‌وتحلیل قرار می‌دهد، به ترتیبی با شناخت رفتار کاربران یا مشتریان سعی در پیش‌بینی رفتار آتی آنها دارد و ریسک انجام پول‌شویی را کاهش می‌دهد. اعظم احمدیان با توجه به اهمیت این موضوع در مقاله‌ای که با عنوان «پیشنهاد یک متدولوژی برای کشف پول‌شویی (با به‌کارگیری روش منطق فازی)» در آخرین شماره فصلنامه علمی - پژوهشی «سیاست‌های مالی و اقتصادی» در وزارت امور اقتصادی و دارایی منتشر کرده، سعی کرده است بر اساس ضوابط بین‌المللی مکانیسمی برای شناسایی جرم پول‌شویی در شبکه بانکی کشور طراحی کند. طراحی این مکانیسم بانک‌ها را قادر خواهد ساخت قبل از وقوع جرم احتمال وقوع آن را شناسایی کنند و مانع از رخداد پدیده پول‌شویی شوند.

***

در پدیده پول‌شویی مجرمان سعی می‌کنند پول‌هایی را که از فعالیت‌های مجرمانه به دست می‌آورند، با روش‌های قانونی به پول تمیز تبدیل کنند. امروزه پول‌شویی سومین و بزرگ‌ترین تجارت در جهان بعد از مبادله ارزی و صنعت خودرو است. بنابراین شناسایی و پیش‌بینی آن دارای اهمیت زیادی است. گسترش فناوری اطلاعات و توسعه ابزارهای الکترونیکی نقل‌وانتقال وجوه، رخداد پدیده پول‌شویی را برای مجرمان سهل‌تر کرده است. همین امر موجب شده است که دولت‌ها نهادهای مالی را ملزم به شناسایی و کشف آن کنند. در این میان، طراحی سیستم ضد پول‌شویی می‌تواند ضمن کشف پول‌شویی به ثبات مالی و امنیت بانک‌ها در سطح بین‌الملل کمک کند.

برای کشف پدیده پول‌شویی می‌توان از روش سنتی یا روش هوشمند استفاده کرد. روش سنتی فرایند ضد پول‌شویی یک روش مبتنی بر انسان است که در این روش پدیده پول‌شویی کشف و شناسایی و از رخ‌دادن آن جلوگیری می‌شود. در مقابل، ارزش داده‌های بانکی و تراکنش‌های بانکی با روش‌های مختلف افزایش یافته است و به‌کارگیری روش‌های سنتی برای کشف پول‌شویی زمان‌بر و پرهزینه و گاهی غیرممکن است. بنابراین روش‌هایی نیاز است که به‌صورت خودکار جرم پول‌شویی را کشف کند.

در برهه کنونی شبکه بانکی کشور در تلاش برای پیوستن به شبکه بانکی بین‌المللی است و بنابراین ضرورت دارد موانع موجود در این زمینه در شبکه بانکی شناسایی و قبل از هر نوع برقراری رابطه با بانک‌های بین‌المللی رفع شود. یکی از مهم‌ترین گزینه‌ها برای بانک‌های بین‌المللی نبود پدیده پول‌شویی در بانک‌های طرف ارتباط است. این موضوع ضرورت طراحی مکانیسمی را که بتواند پول‌شویی را کشف کند برجسته ساخته است. هدف از این تحقیق طراحی مکانیسمی است که هم به بانکداران و هم به سیاست‌گذاران و هم به نهادهای نظارت بر بانک‌ها کمک کند تا بتوانند بهتر فرایند مالی موجود در بانک خود را کنترل کنند و هرگونه تراکنش مشکوک را با دقت بررسی کنند و در صورت وجود احتمال بالای پول‌شویی، از تحقق آن ممانعت به عمل آورند.

در این مقاله سعی شده است با توجه به ادبیات نظری و تجربی موجود در زمینه کشف پول‌شویی، مکانیسم هوشمندی طراحی شود که البته صرفا احتمال رخداد پدیده پول‌شویی را نشان می‌دهد و در واقع یک مکانیسم هشدار برای کشف پول‌شویی است و دقت مدل طراحی‌شده به منزله وجود پول‌شویی در بانک مورد بررسی نیست.

چهار روش مقابله

بسیاری از نهادهای مالی در تلاش برای مبارزه با پول‌شویی، سیستم‌های ضد پول‌شویی را بسط داده‌اند و برای پیاده‌سازی آن برنامه‌ریزی کرده‌اند. چهار نوع سیستم ضد پول‌شویی در کشورهای مختلف در حال پیاده‌سازی است که عبارت‌اند از سیستم ضد پول‌شویی بر مبنای قاعده، سیستم ضد پول‌شویی چندعاملی، سیستم ضد پول‌شویی تحلیل جریان تراکنش و سیستم ضد پول‌شویی لینک. در سیستم ضد پول‌شویی بر مبنای قاعده کشورها بر اساس قوانین موجود در کشور خود و همچنین قواعد بین‌المللی معیارهایی را برای شناسایی تراکنش‌های مشکوک تعریف می‌کنند و سپس بر اساس آن معیارها به کشف پول‌شویی می‌پردازند. در سیستم ضد پول‌شویی چندعاملی چندین عامل در شناسایی پول‌شویی دخیل‌اند و وظایف خاص خود را دارند. عامل‌ها در تعامل با یکدیگر و با تجزیه و تحلیل پروفایل مشتریان و اندازه‌گیری ریسک معاملات به کشف پول‌شویی می‌پردازند. در سیستم تحلیل جریان تراکنش، تراکنش‌های بانکی با به‌کارگیری روش داده‌کاوی به دو گروه سالم و مشکوک تقسیم می‌شوند و سپس با تجزیه‌وتحلیل تراکنش‌های مشکوک و پروفایل مشتریان مربوط به تراکنش‌های مشکوک، پول‌شویی کشف می‌شود. اما در سال‌های اخیر با به‌کارگیری روش کلان‌داده (Big Data) سیستم تحت عنوان سیستم لینک طراحی شده است که به‌صورت هم‌زمان به تجزیه‌وتحلیل تراکنش‌ها و پروفایل مشتریان می‌پردازد و بر اساس قواعد سیستم، پدیده پول‌شویی کشف می‌شود.

داده‌کاوی فازی

برای طراحی تکنیک داده‌کاوی کارا که قادر به کشف پول‌شویی باشد نیاز است که متناسب با کشف پول‌شویی طراحی شود. در میان روش‌های مختلف داده‌کاوی، مهم‌ترین روش‌های موجود استفاده روش خوشه‌بندی، روش ماشین بردار و روش فازی است. در روش خوشه‌بندی، برای گروه‌بندی معاملات و حساب‌ها برحسب تشابهات آنها خوشه‌بندی صورت می‌گیرد. این تکنیک به شناسایی معاملات مشکوک و کشف ریسک مشتریان یا ریسک حساب‌ها کمک می‌کند. روش ماشین بردار پشتیبان از جمله روش‌های آماری است که برای دسته‌بندی و رگرسیون استفاده می‌شود و این ابزار شامل کشف رفتار غیرمعمول همه موارد نظیر تراکنش‌ها، حساب‌ها و انواع خروجی‌ها است.

یکی از مهم‌ترین تکنیک‌های داده‌کاوی که در سال‌های اخیر برای کشف پول‌شویی به کار گرفته شده، تکنیک منطق فازی است. این تکنیک دارای دو کاربرد کنترل و کشف است. کنترل و بررسی داده‌ها نخستین گام در کشف پول‌شویی است. اگر موارد خاص در فرایند نظارت و کنترل کشف شد، گام بعدی در منطق فازی اطمینان از وجود پدیده پول‌شویی است. در پایان نیز یک استراتژی کنترلی برای مدیریت مسائل مورد نیاز است.

در طراحی سیستم کشف پول‌شویی با استفاده از روش منطق فازی ابتدا باید از منافع مختلف داده‌های مورد نیاز را جمع‌آوری کرد. منابع اصلی که برای تحلیل داده‌ها مورد نیازند عبارت‌اند از مدل‌های موجود برای کشف تقلب که داده‌های مشکوک به تقلب را از سایر داده‌ها متمایز می‌کنند، نمایشگرهای خدمات مشتری که حساب‌ها را نشان می‌دهند و در ارتباط با مشتری هستند، از طریق پروفایل مشتری و همچنین از طریق حسابی که مشتریان با آنها در ارتباط هستند. پس از جمع‌آوری داده، قواعد با استفاده از معیارهایی که مشخص‌کننده پدیده پول‌شویی هستند، به‌صورت اگر و آن‌گاه (با تعریفی که در منطق فازی دارند) تعریف می‌شوند و در پایان نیز استنتاج فازی برای کشف پدیده پول‌شویی صورت می‌گیرد.

در مکانیسم پیشنهادی این مقاله، با توجه به قانون مبارزه با پول‌شویی مهم‌ترین معیارهای شناسایی پول‌شویی عدم رعایت سقف مقرر و سپرده‌گذاری به‌دفعات و برداشت یکجا و عمده است. همچنین معاملات نقدی کمتر از سقف مقرر به‌صورت مداوم و مستمر احتمالا به منظور ممانعت از گزارش‌دهی، یکی از شگردهای پول‌شویی است که تقریبا از معمول‌ترین و پرتکرارترین الگوهای پول‌شویی به حساب می‌آید و سیستم باید نسبت به آن حساس باشد و این‌گونه الگوها را تشخیص دهد.

در سیستم مد نظر این مقاله دو ورودی و یک خروجی وجود دارد. سقف برداشت از حساب بانکی بر اساس قانون پول‌شویی نباید از 50 میلیون تومان و تراکنش بانکی نیز نباید از 15 میلیون تومان در یک روز بیشتر باشد. یکی از ورودی‌های مدل، برداشت از سپرده بیش از سقف مقرر در نظر گرفته شده است. همچنین برای کم‌‌کردن برداشت و واریز مکرر در مدت‌زمان کوتاه، اگر فاصله واریز وجوه و برداشت وجوه کمتر از سه روز باشد، تراکنش به‌عنوان تراکنش مشکوک شناسایی می‌شود. خروجی نرم‌افزاری که برای این کار طراحی شده، احتمال رخداد پول‌شویی است. برای هریک از ورودی‌ها و خروجی‌ها سه حالت کم، متوسط و زیاد در نظر گرفته شده است.

پس از فازی‌سازی و ورودی‌ها و تعیین درجه عضویت، ساختار قواعد سیستم فازی باید تعیین شود و مهم‌ترین قواعد نرم‌افزار این خواهد بود که اگر مبلغ برداشت از سپرده بین صفر تا 15 میلیون تومان و دوره زمانی بیش از 3 روز باشد، احتمال رخداد تقلب پول‌شویی بسیار کم است و از سوی دیگر، اگر مبلغ بیش از 50 میلیون تومان و دوره یک تا دو روز باشد، احتمال رخداد پول‌شویی بسیار زیاد است. استنتاج فازی و معیارهای آزمایش این مکانیسم نیز نشان می‌دهند که این روش برای استفاده معتبر است.

دستاورد تحقیق: کمک‌گرفتن از منطق فازی برای تعیین احتمال پول‌‌شویی

سیستم فازی طراحی‌شده در این پژوهش می‌تواند تمام حساب‌های کاربران را پس از شناسایی، در قالب سه گروه کم، متوسط و زیاد دسته‌بندی کند. ادعای پول‌شویی که در گروه کم قرار می‌گیرد، می‌تواند مورد چشم‌پوشی قرار گیرد. مواردی که در گروه متوسط قرار می‌گیرند نیازمند بررسی مشخصات مشتری صاحب حساب در چارچوب مقررات شناسایی مشتریان هستند و آن دسته از مواردی که در گروه زیاد قرار می‌گیرند، نیازمند ارائه گزارش به واحد پول‌شویی برای رسیدگی بیشتر هستند. این سیستم نه‌تنها می‌تواند به‌طور مستقل پول‌شویی را تشخیص دهد، بلکه می‌تواند از محیط نیز آموزش ببیند و تغییرات محیطی را بپذیرد و تصمیم‌گیری کند. به‌طوری که تصمیمات به‌وسیله انسان قابل تفسیر باشد. به‌واسطه عامل کاربر، سیستم ضد پول‌شویی طراحی‌شده می‌تواند با برنامه مالی هماهنگ باشد. اضافه‌کردن و کم‌کردن و حذف‌کردن قواعد کسب‌وکار و سناریوهای پول‌شویی در آن راحت است. این روش می‌تواند برای کسب‌وکار مناسب باشد چون هزینه‌های کشف پول‌شویی را کاهش و بهره‌وری واحد کشف پول‌شویی را افزایش می‌دهد. پیشنهاد می‌شود هر بانک سیستم ضد پول‌شویی هوشمندی طراحی کند که این سیستم قادر به دریافت اطلاعات مالی و تجزیه‌وتحلیل پروفایل مشتریان و تجزیه‌وتحلیل حساب‌های مشتریان بدون نیاز به هویت آنها باشد. کارکنان بانک‌ها نیز باید در انجام کارهای روزمره خود طبق دستورالعمل‌های بانکی به مواردی از قبیل شناخت هویت و ماهیت کار مشتری، تغییرات ناگهانی فعالیت مالی با توجه به شغل مشتریان و تحقیق از امور مشتری در صورت هرگونه شک و تردید، توجه و دقت لازم را داشته باشند.

مسئله: یکی از جرم‌هایی که منجر به اختلال عملکرد بانک‌ها می‌شود پول‌شویی است که تلاش‌های گسترده‌ای در سطح جهانی برای کشف آن در حال انجام است. در ایران نیز باید راه‌هایی ارائه شود که بتواند از پول‌شویی جلوگیری و وقوع آن را پیش‌بینی کند.