معرفی سامانه مبارزه با پولشویی مبتنی بر داده‌کاوی در هفتمین کافه فین‌تک توسن

هفتمین رویداد کافه فین‌تک توسن با موضوع FATF و معرفی سامانه مبارزه با پولشویی AML2.0، سیزدهم آبان ماه در ساختمان شرکت توسعه سامانه‌های نرم‌افزاری نگین برگزار شد.

در این رویداد، با توجه به بحث داغ پولشویی و الزامات FATF در کشور، کارشناسان شرکت داده‌کاوان هوشمند توسن حضور داشتند تا ضمن معرفی کوتاهی از FATF و رهنمودهای آن به کشور ایران، از نسخه دموی سامانه مبارزه با پولشویی این شرکت رونمایی کنند.

آنچه باید در مورد پولشویی و FATF بدانیم

در ابتدا، دکتر جواد کاظمی تبار، از شرکت داده‌کاوان هوشمند توسن، به ارائه توضیحاتی درباره پولشویی و گروه ویژه اقدام مالی پولشویی پرداخت.

او با بیان این نکته که داده‌کاوان توسن، سامانه مبارزه با پولشویی 10 بانک را تأمین می‌کند، آماری را در زمینه پولشویی ارائه داد. به گفته کاظمی تبار دو تحقیق درباره آمار پول کثیف انجام شده است که در یکی از آنان، دکتر عرب مازار، استاد دانشگاه بهشتی و همکارانش، حجم پولشویی را 12 درصد از حجم نقدینگی کشور تخمین زده‌اند.

نرم‌افزارهای مبارزه با پولشویی بانک‌ها باید موارد مذکور در بخشنامه‌های بانک مرکزی را رعایت کنند. نگاهی امنیتی به این نرم‌افزارها وجود دارد و هیاتی از نمایندگان وزارت اطلاعات، وزارت اقتصاد و دارایی و بانک مرکزی بر آنان نظارت دارند. اداره مبارزه با پولشویی گزارش‌های ارسالی از بانک‌های مختلف را تجمیع می‌کند و برای بررسی‌های بیشتر درباره اشخاص مظنون به پولشویی تصمیم‌گیری می‌کند.

بر اساس صحبت‌های کاظمی تبار، برای اندازه‌گیری ریسک پولشویی، موارد مختلفی مانند ریسک کشور، ریسک مشتری، ریسک خدمات و … در نظر گرفته می‌شود که در حال حاضر، ریسک کشور برای ما اهمیت یافته است. FATF، دارای یک دستورالعمل 40 ماده‌ای است که کلیه جنبه‌های مبارزه با پولشویی را در برمی‌گیرد. FATF، شورایی برای ارزیابی ریسک کشورها ندارد، بلکه یکی از کشورهای عضو را به عنوان داور برای تعیین وضعیت کشور دوم تعیین می‌کند. کشورهایی که در لیست قطعنامه‌ها و تحریم‌های سازمان ملل وجود دارند، طبق قواعد FATF جزو کشورهای پر ریسک قرار می‌گیرند و ایران هم چنین سرنوشتی را داشته است.

کاظمی تبار با اشاره به اینکه لیست سیاه FATF از سال 2000 مطرح شد، توضیح داد: «اگر کشوری همکاری‌های لازم را نداشته باشد و برای مثال اطلاعات مجرمان را با سایر کشورها به اشتراک نگذارد، در لیست سیاه قرار می‌گیرد. اسرائیل و روسیه هم جزو لیست سیاه هستند. برخلاف قطعنامه‌های سازمان ملل که مستقیما بازدارنده تعاملات بانکی هستند، قرارگیری در لیست سیاه مستقیما بازدارنده نیست؛ اما با توجه به اینکه مبادلات بانک‌های کشورهای دیگر با بانک‌های کشور درون لیست سیاه، باعث افزایش شاخص ریسک کشور اول می‌شود، در نتیجه منجر به عدم تمایل این بانک‌ها به تبادل و ایجاد تحریمی غیرمستقیم خواهد شد. بالغ بر 20 بیانیه علیه ایران در سایت FATF وجود دارد. ایران پیشتر به همراه کره شمالی در وضعیت قطع کامل روابط قرار داشت، اما FATF در سال 2016 با یک درجه تعدیل، ایران را به وضعیت انجام مبادلات با رعایت اصول احتیاطی انتقال داد. با این حال در آخرین بیانیه، FATF بیان کرده که از 10 مورد کلان خواسته‌شده از ایران، همچنان 9 مورد انجام نشده است و از وضعیت این کشور، ناامید است.»

دکتر کاظمی تبار در پایان اشاره کرد که 40 رهنمود FATF بسیار کلی هستند و برای کمی کردن و پیاده‌سازی آنان در سامانه مبارزه با پولشویی، علاوه بر مطالعات گسترده، سامانه‌های موجود در سایر کشورها هم مدنظر گرفته شده‌اند.

در ادامه دکتر قربان خردمندیان، برخی از مسائلی را که در داده‌کاوی سامانه مبارزه با پولشویی لحاظ شده‌اند، مطرح کرد و به نمایش سیستم جستجوی پیشرفته اشخاص در این سامانه پرداخت.

رونمایی از سامانه مبارزه با پولشویی AML 2.0

در بخش دوم این رویداد، زهرا سالک به نمایش دموی سامانه AML 2.0 پرداخت و ضمن استفاده از منوها و امکانات مختلف سامانه، قابلیت‌های مختلف سامانه را معرفی کرد.

در AML 2.0، برای کشف موارد مشکوک به پولشویی و تولید گزارش‌های STR از داده‌های انبار داده، سه ماژول عمده طراحی شده‌اند: موتور قواعد، موتور جستجوی فازی و موتور داده‌کاوی از این داده‌ها.

در توضیح و معرفی این سه ماژول می‌توان گفت که در موتور قواعد، متناظر با بخشنامه‌های بانک مرکزی قواعدی تعریف، پیاده‌سازی و بهینه‌سازی شده است که بخشی از گزارش‌های مرتبط با STR از این ماژول استخراج می‌شود. لیست‌های تحریمی شامل نام افراد، نام مستعار، آدرس و دیگر فیلدهای متنی هستند که به زبان انگلیسی در فرمت‌های مختلف ارائه می‌شوند و موتور جستجوی فازی عبارات پرس‌وجو به هر دو زبان فارسی و انگلیسی را دریافت کرده و شبیه‌ترین موارد را در لیست‌های تحریمی جستجو کرده و نتایج را با درصد شباهت تولید می‌کند.

براساس توضیحات کارشناسان شرکت داده‌کاوان هوشمند توسن، هدف موتور قواعد داده‌کاوی استفاده از تکنیک‌های داده‌کاوی و یادگیری ماشین برای مدل کردن الگوهای رفتاری مشتریان است که در غالب داده‌های تراکنش‌های آن‌ها منعکس می‌شود. تکنیک‌های داده‌کاوی خوشه‌بندی، تشخیص الگوهای پرت، طبقه‌بندی و خوشه‌بندی گرافی استفاده شده و موارد کاربردی زیر حاصل شده است:

• شناسایی خوشه مشتریان با CCD یا سطح فعالیت مشابه
• مدل کردن سطح فعالیت برای یک خوشه از مشتریان مشابه
• استخراج الگوهای پرت (متناقض با سطح فعالیت) برای رفتارهای آتی مشتریان (STR)
• استخراج ارتباطات مالی شبکه‌ای
• استخراج روابط فامیلی احتمالاتی (روابطی که در پایگاه داده به صورت ضمنی ذکر نشده باشد)