تشخیص تقلب و کلاهبرداری با الگوریتم های بهینه سازی

کلاهبرداری و پولشویی یکی از مهمترین چالش های سیستم مالی بوده که توسعه خدمات مالی را دشوار می کند. در این مقاله با درنظر گرفتن یکی از کشورهای درحال توسعه به عنوان نمونه مالزی، بررسی می کنیم که آیا شرکت های کلاهبردای در مدیریت درآمدهای واقعی و مدیریت درآمدهای تعهدی قبل از سال کلاهبرداری درگیر هستند یا خیر. در ادامه اشاره خواهیم کرد، با ظهور رشد شگرف پرونده های کلاهبرداری مالی، یادگیری ماشین نقش بزرگی در بهبود کیفیت یک کار حسابرسی درآینده خواهد داشت. یک مطالعه موردی نیز از بازدید یک شرکت حسابرسی خارجی برای کشف سودمندی الگوریتم های یادگیری ماشین برای بهبود کیفیت یک کار حسابرسی ارائه خواهد شد و در پایان نسبت به بررسی بهینه سازی ازدحام ذرات برای بهبود عملکرد شبکه عصبی مصنوعی و شناخت دقیق تر الگوی کلاهبرداری با دقت، حساسیت و صحت در تشخیص تقلب بانکی به ترتیب ۹۰۳۲ درصد، ۸۸.۰۶ و ۹۰.۱۲ درصد خواهیم پرداخت.