Тип публикации: статья из журнала
Год издания: 2025
Идентификатор DOI: 10.6060/snt.20258202.0003
Ключевые слова: suspicious transactions, artificial intelligence, fully connected neural network, recurrent neural network, deep learning, подозрительные транзакции, искусственный интеллект, полносвязная нейронная сеть, рекуррентная нейронная сеть, глубокое обучение
Аннотация: В работе представлены алгоритмы глубокого обучения на основе искусственных нейронных сетей, позволяющий выявлять подозрительные сделки физических лиц - клиентов коммерческого банка. В качестве критериев подозрительности были взяты два из восьми критериев Банка России. Для обучения и тестирования алгоритма глубокого обучения был сгеПоказать полностьюнерирован датасет из 10000 транзакций. Были разработаны и протестированы две разновидности нейронных сетей: полносвязная нейросеть и рекуррентная нейросеть, предназначенная для анализа последовательностей. Рекуррентная нейронная сеть показала хорошие результаты по метрикам качества модели Precision, Recall и Accuracy. The paper presents deep learning algorithms based on artificial neural networks that allow identifying suspicious transactions of individuals - clients of a commercial bank. Two of the eight criteria of the Bank of Russia were taken as criteria of suspicion. A dataset of 10,000 transactions was generated for training and testing the deep learning algorithm. Two types of neural networks were developed and tested: a fully connected neural network and a recurrent neural network designed to analyze sequences. The recurrent neural network showed good results in terms of the Precision, Recall and Accuracy model quality metrics.
Журнал: Современные наукоемкие технологии. Региональное приложение
Выпуск журнала: № 2
Номера страниц: 25-30
ISSN журнала: 24135399
Место издания: Иваново
Издатель: Ивановский государственный химико-технологический университет