چكيدهپولشویی به عنوان یک فرایند مجرمانه مالی، اقدامی است که در آن منشأ و منبع وجوهی که به صورت غیر قانونی به‌دست آمده از طریق رشته های نقل و انتقالات و معاملات به گونه‌ای پنهان می‌شود که همان وجوه به صورت قانونی نمود پیدا کرده و وارد فعالیت‌‌ها و مجاری قانونی می‌گردد. داده‌کاوی به عنوان فرايندي خودکار برای استخراج اطلاعات و الگو‌های جالب توجه، بارز، ضمنی، از قبل ناشناخته و بالقوه مفید از انبار داده‌‌های حجیم، شناخته می‌شود. هنگامی که الگوریتم‌‌ها و تکنیک‌‌های داده‌کاوی روی چنین تراکنش‌‌هائی اعمال می‌شوند، الگو‌های پنهان از جریان وجوه را کشف می‌کنند. بررسی دادهها و اعلام نظر روی آن‌ها از دو روش کلی تبعیت مینماید اول استفاده از شاخصها با استفاده از روشهای خطی و آماری و دوم استفاده از الگوریتمهای داده‌کاوی که آن هم به دو صورت نظارت‌شده و بدون ناظر تقسیم شده و در این پروژه از هر دو روش استفاده شده است. خروجی‌‌های این پروژه شامل مستندات علمی، روشهای داده محور برای شناسایی پولشویی، ارائه یك مدل برای پیاده‌سازی چارچوب ضد پولشویی در بانك و در نهایت بهره‌گیری از فناوری‌‌های نرم افزاری و پیاده سازی کل جریان پروژه میباشد. پس از اجرا، نتایج به دو صورت ارائه به متخصصان فنی و همچنین محاسبه معیار‌های عملکرد متداول در داده‌کاوی ارزیابی می‌گردد. در مراحلی از پروژه که نیاز به بررسی و آشنایی با سوابق تحقیقات در زمینۀ پولشویی و یا الگوریتمهای مرتبط با آن باشد از روش تحقیق میدانی و کتابخانه‌ای استفاده می‌شود. از سوی دیگر رویکرد تحقیق نیز به صورت پیمایشی بوده که در آن با هدف مطالعۀ ماهیت و ویژگیهای مشتریان بانك فرآیند تحقیق و مطالعه طی شده است. در مجموع باید گفت که از مدلی کمی در این تحقیق استفاده شده که مبتنی بر پردازش دادهها از نوع دادۀ واقعی، بوده است.کلمات کلیدی:پولشویی، داده‌کاوی، کشف جرایم مالی، الگوریتمهای نظارت‌شده و بدون ناظر فهرست عناوینصفحه1فصل اول کلیات تحقیق11.1تعریف مسأله و بیان سئوال‌‌هاي اصلی تحقیق21.2اهمیت و ضرورت پژوهش31.3اهداف پژوهش31.4روش پژوهش41.5جامعۀتحقیق42فصل دوم مطالعه پولشویی، داده‌کاوی و ارتباط این دو62دیباچه72.1پولشویی و بررسی ابعاد آن72.1.1 مفهوم پولشویی72.1.2 تاریخچه و خاستگاه پولشویی82.1.3 ایران و ریسک پولشويي92.1.4 انواع پولشويي102.1.5 مراحل پولشويي112.1.6 روشهای پولشويي122.1.7 موارد مشکوک به پولشویی در بانکها و مؤسسات اعتباری142.1.8 ضرورت بهره گیری از راه حل‌‌های ضد پولشويي172.1.9 روشهای مبارزه با پولشویی182.1.10وظایف و اصول الزامی برای بانکها و مؤسسات اعتباری در مبارزه با پولشویی232.1.11انواع گزارش‌‌های مفید جهت شناسایی موارد مشکوک292.2داده‌کاوی312.2.1 تاریخچه داده‌کاوی312.2.2 چارچوبی کلی برای الگوریتمهای داده‌کاوی332.2.3 کاربرد داده‌کاوی در کشف تقلبات مالی352.2.4 پرکاربردترین روشهای داده‌کاوي برای کشف تقلبهای مالی402.2.5 رویکرد داده‌کاوی در حل مسائل پولشویی422.2.6 برخی تحقیقات مرتبط462.3جمع بندی493فصل سوم ارائه طرح سیستم ضد پولشویی با داده‌کاوی523دیباچه533.1روش‌شناسی تحقیق533.1.1 روش تحقیق533.2شیوه‌ها و ابزارهای جمع‌آوری دادهها543.2.1 بررسیداده‌‌هایقابلدریافت543.2.2 بررسیسایراطلاعاتموجوددربانك553.2.3 بررسی محدودیتهای بانك در ارائه اطلاعات553.2.4 بررسی محدودیتهای بانك اطلاعاتی553.2.5 مشخصشدنداده‌‌هایموردنیازبرایفاز‌هایمختلفپروژه .563.2.6ارائهفرمتدریافتاطلاعاتازبانكاطلاعاتی .563.2.7 حجم،زمانومکانموردنیازجهتارائهاطلاعات .563.2.8 آمایشداده‌‌ها563.3جامعه نظری و روش نمونه‌گیری573.4مفروضات تحقیق583.5شیوه تجزیه و تحلیل دادهها583.5.1 مرور پیشینه تحقیق593.5.2 نظرخواهی از خبرگان603.5.3 بررسی اسناد و مدارک آرشیوی663.5.4 طراحیمدلضدپولشوییبراساسداده‌کاوی683.5.5 جمع بندی744فصل چهارم اجراي تحقیق754دیباچه764.1جزئیات پیاده‌سازی مدل764.1.1 آمایش دادهها764.1.2 دسته بندی اطلاعات براساس شاخص‌های خطی و جدا نمودن بخش مشکوک774.1.3 فیلترینگ و جداسازی اطلاعات مناسب804.1.4 خوشه بندی834.1.5 اجرای الگوریتم نظارت‌شده924.1.6 جمع‌آوری نتایج934.2تست و ارزیابی944.2.1 نحوه تست944.2.2 محاسبه معیار‌های دقت، بازآوری، یکتائی و صحت954.3نتیجه گیری965فصل پنجم جمع‌بندی و نتیجه‌گیری985دیباچه995.1نتیجه گیری995.2محدودیتهای پژوهش1005.3پیشنهاد برای پژوهش‌‌های آینده1016منابع و مراجع102 فهرست شکلهاصفحهشکل 2‑1 مدل CRISP-DM34شکل 2‑2 روشهای استفاده شده برای کشف انواع تقلبات مالی36شکل 3‑1 فلوچارت کشف موارد پولشوئی با داده‌کاوی72شکل 4‑1 توزیع شاخص MLI79شکل 4‑2 توزیع شاخص MLISQR79شکل 4‑3 نمودار واریز نقدی مشتریان80شکل 4‑4 مراحل ایجاد شاخص MLISQR81شکل 4‑5 جدول داده‌‌های تفکیك شده بر اساس شاخص پولشویی(MLISQR)82شکل 4‑6 هیستوگرام مجموع واریز در خوشه‌بندی ای‌ام84شکل 4‑7 هیستوگرام مجموع برداشت در خوشه بندی ای‌ام84شکل 4‑8 هیستوگرام تعداد واریز در خوشه بندی ای‌ام85شکل 4‑9 هیستوگرام تعداد برداشت در خوشه بندی ای‌ام85شکل 4‑10 خوشه‌بندی توسط کامینز، کوهنن، گروه متناظر86شکل 4‑11 خوشه بندی گروه متناظر مدل اول87شکل 4‑12 خوشه بندی گروه متناظر مدل دوم88شکل 4‑13 خوشه‌بندی گروه متناظر مدل سوم89شکل 4‑14 جدا کردن خوشه اکثریت90شکل 4‑15 خوشه‌بندی توسط کامینز و کوهنن91شکل 4‑16 اجرای الگوریتمهای نظارت‌شده93 فهرست جداولصفحهجدول 4‑1 معیار‌های ارزیابی95جدول 4‑2 محاسبه معیار‌های ارزیابی برای شبکه عصبی95 فهرست علائم و اختصارات DM Data MiningNN Neural NetworksSVM Support Vector MachineKMC K-Means ClusteringEM Expectation MaximizationMCDA Multi Criteria Decision AidDAG Directed Acyclic GraphEART Euclidean Adaptive Resonance TheoryMLP Multi Layer PerceptronSQL Structured Query LanguageETL Extraction Transform LoadMLI Money Laundering Index فصل اولتعاریف متعددی برای پولشویی عنوان شده است که از جمله می توان به موارد ذیل اشاره کرد[15]:از این تعاریف چنین بر می آید که عملیات پولشویی به فرآِیند تطهیر پول کثیف گفته می شود. پول کثیف به پولی گفته می‌شود که از راه‌های خلاف و غیرقانونی بدست آمده باشد. از آنجا که بانکها یکی از بهترین موسساتی هستند که می توانند به پولشویان در فرآیند تطهیر پول کثیف کمك کرده و مسیر دسترسی به منشا پول را گمراه و یا پاک نمایند در تمام کشور‌ها یکی از مهمترین موسساتی که مرجع سو استفاده پولشویان قرار می گیرند بانکها هستند[44].بدین نظر دراین پروژه ما می بایست در ابتدا به مطالعه بانکها و روش‌هایی که ممکن است پولشویان از آن طریق در بانکها اقدام به پولشویی نمایند پرداخته و با بررسی این روش‌ها و همچنین اطلاعات در دسترس جهت این روش‌ها، الگو‌های این روش و ... سعی در یافتن راه‌هایی جهت کشف، اجرا و پیاده سازی داده محور این اقدامات داشته باشیم.در این راستا ضمن بررسی عملیات اجرا شده در بانك مورد نظر و مشورت با کارشناسان و مشاوران این بانك مشخص گردید که روشهای مختلفی جهت پولشویی توسط پولشویان در این بانك اجرا می‌گردد، همچنین توسط بانکها نیز روشهای متفاوتی جهت جلوگیری از این عملیات اجرا می گردد.پیچیدگی رفتار‌هاي مشکوك به پولشویی و همچنین حجم عظیم داده به گونه‌ای است که بدون ابزاري هوشمند و داده محور نمیتوان در کشف پولشویی اقدام قابل توجهی انجام داد. از این رو تحقیق حاضر به دنبال یافتن پاسخ به سوال زیر میباشد:چگونه میتوان با ارائه مدلی از روش‌هاي داده کاوي براي کشف جرایم پولشویی استفاده کرد؟با توجه به اهمیت سیستم‌‌هاي بانکداري و سوء استفاده از این بستر براي مقاصد پولشویی، نیاز مبرم به پیاده سازي سیستم‌‌هاي ضد پولشویی از طرف دولتها و موسسات سیاست گذار در امور اقتصادي مورد توجه است . با توجه به رشد تروریسم و تقلب‌‌هاي سازماندهی شده و از طرفی تصویب قوانین متعدد علیه این موارد نیاز به این سیستم‌‌ها در حال افزایش است. از سوي دیگر، پیچیدگی رفتار‌هاي مشکوك به پولشویی به گونه‌ای است که بدون ابزاري هوشمند و داده محور نمیتوان در کشف پولشویی اقدام قابل توجهی انجام داد. نکته مهم و شاید کاربردي در ایران نزدیکی این سیستم‌‌ها با سیستم‌‌هاي ضد رشوه خواري، تقلب، تخلف و سیستم‌‌هاي بازرسی است که میتواند به عنوان ابزاري کارآمد براي واحد بازرسی بانک تلقی گردد.پولشویی فرآیندي است که طی آن افراد متخلف با استفاده از امکانات مؤسسات مالی و بانکها درآمد نامشروع خود را تطهیر نموده و آن را قانونی جلوه میدهند. به منظور شناسایی این فرآیند، دولتها همواره گزارش‌‌هاي متعددي از بانک‌‌هاي خود طلب می نمایند و بانکها موظف هستند موارد مشکوك به پولشویی را در قالب چارچوب مورد درخواست بانک مرکزي تهیه و به طور مستمر ارائه نمایند. از سوي دیگر، پیشرفت بانکداري به تدریج شناسایی روش‌ها و رفتار‌هاي مشکوك به پولشو یی را پیچیده ترنموده است. به طوري که شناسایی این رفتار‌ها با توجه به حجم انبوه اطلاعات در یک بانک بدون استفاده از سیستم‌‌هاي ضد پولشویی میسر نمی‌باشد. بر این اساس هدف اصلی تحقیق حاضر طراحی الگویی برای تقلبهای مالی در صنعت بانکداری میباشد.انتظار می‌رود این مدل ضد پولشویی با جمع آوري اطلاعات پراکنده در سطح بانک عملیات پردازش و شناسایی افراد و رفتار‌هاي مشکوك به پولشویی را در زمان مناسب انجام داده و گزارش‌‌هاي مورد نیاز را تولید و ارائه مینماید .پژوهش حاضر از نظر نوع هدف در گروه تحقيقات کاربردي قرار مي‌گيرد. در مراحلی از پروژه که نیاز به بررسی و آشنایی با سوابق تحقیقات در زمینۀ پولشویی و یا الگوریتمهای مرتبط با آن است از مطالعات کتابخانه‌ای و منابع آرشیوی استفاده می‌شود. از سوی دیگر رویکرد تحقیق نیز به صورت پیمایشی بوده که در آن با هدف مطالعۀ ماهیت و ویژگیهای مشتریان بانك فرآیند تحقیق و مطالعه طی خواهد شد و در این زمینه مصاحبه با خبرگان نیز صورت می‌گیرد. در مجموع باید گفت که در مورد روش تجزیه و تحلیل دادهها از یك مدل کمی در این تحقیق استفاده می شود که مبتنی بر پردازش دادهها از نوع دادۀ واقعی، خواهد بود.داده‌کاوی اين توان را دارد که سناریو‌های جدیدی برای کشف نمونه‌‌های پولشویی ارائه دهد.داده‌کاوی به عنوان فرايندي خودکار برای استخراج اطلاعات و الگو‌های جالب توجه، بارز، ضمنی، از قبل ناشناخته و بالقوه مفید از انبار داده‌‌های حجیم، شناخته می شود. ظهور انبارداری دادهها به عنوان یک فناوري قابل دوام بدان معنی است که در حال حاضر،سازمان‌‌های اجرایی قادر به تحکیم معاملات مالی از نهاد‌های مختلف در چندین کشور می‌باشند. این امرنمایشي تلفیقی از انتقال وجوه را ارائه می‌دهد که به تجزیه و تحلیل معاملات کمک می‌کند. هنگامی که الگوریتم‌‌ها و تکنیک‌‌های داده‌کاوی روی چنین تراکنش‌‌هایی اعمال می شوند، الگو‌های پنهان حاکم بر جریان وجوه را کشف می‌کنند.[28]همراه شدن اطلاعات مشتری و دانش خبرگان منجر به آن می‌گردد که معاملات مشکوک شناسائی شوند.سیستم ضد پولشويي قابلیت اجرا با الگوریتمهای نظارت شده[1] و بدون نظارت[2] را به طور هم‌زمان دارد.در این سیستم علاوه بر به کارگیری الگوریتمهای رایج در داده‌کاوی،شاخص‌‌هایی محاسبه می‌شوند که می‌توانند بخوبی ملاکی برای میزان مشکوک بودن عملکرد یک مشتری باشند و بر اساس آن شاخصها، داده‌‌های پرت (خارج از محدوده) تفکیک و شناسایی شوند.در این پروژه با توجه به نیازمندی‌های طرح و محوریت پروژه بر اساس داده‌‌های بانکی، تراکنش‌‌های یک بازه زمانی شش ماهه در یکی از شعب بانک به عنوان جامعه تحقیق انتخاب و مورد استفاده قرار می‌گیرد. فصل دومدر زمینه پولشويي و مسائل مرتبط با آن تحقیقات گسترده ای انجام شده است. بنا به تعريف، پولشویی یعنی شسته شدن و تبدیل پول کثیف به پول تمیز به نوعی که پس از خروج از این چرخه قانونی جلوه کند؛ به عبارت دیگر پولشویی عبارت است از هر نوع عمل برای مخفی کردن یا تغییر هویت نامشروع حاصل از فعالیت‌‌های مجرمانه به گونه ای که وانمود شود این عواید از منابع قانونی حاصل شده است.بخش عمده ای از مطالعات پولشويي بر موضوعات کلی قوانین پیرامون آن، رابطه پولشويي و جرم، انواع پولشويي، مراحل پولشويي، روشهای معمول پولشويي، روشهای پولشويي از طریق سیستم بانکی، دلیل مبارزه با پولشويي، شناسائی معاملات مشکوک و غیره متمرکز شده است.داده‌کاوی اين توان را دارد که سناریو‌های جدیدی برای کشف نمونه‌‌های پولشویی ارائه دهد.داده‌کاوی به عنوان فرايندي خودکار برای استخراج اطلاعات و الگو‌های جالب توجه، بارز، ضمنی، از قبل ناشناخته و بالقوه مفید از انبار داده‌‌های حجیم، شناخته می شود.در این فصل متناسب با هدف تعریف شده برای این پروژه،پیشینه تحقیقات مرتبط با پدیده پولشویی راه حل‌‌های آن و کاربرد داده‌کاوی در فرآیند ضد پولشویی ارائه می‌شود.تعاریف متعددی برای پولشویی عنوان شده است که از جمله می توان به موارد ذیل اشاره کرد: [1]Supervised[2]Unsupervised