Pavlo Tertychnyi kaitseb doktoritööd „Machine learning methods for anti-money laundering monitoring“

20. novembril kell 14.15 kaitseb Pavlo Tertychnyi informaatika erialal doktoritööd „Machine Learning Methods for Anti-Money Laundering Monitoring“ („Masinõppemeetodid rahapesu tõkestamise jälgimiseks“).

Juhendaja:
professor Marlon Dumas, Tartu Ülikool

Oponendid:
professor Fethi Rabhi, Uus-Lõuna-Walesi Ülikool (Austraalia)
professor Branka Hadji-Misheva, Berni Rakenduskõrgkool (Šveits)

Kokkuvõte
Rahapesu (RP) kujutab endast märkimisväärset ohtu ülemaailmsetele finantssüsteemidele, võimaldades kurjategijatel varjata raha ebaseaduslikku päritolu ja integreerida need seaduslikku majandusse. Sellel ei ole mitte ainult rahalised tagajärjed, vaid see õõnestab ka finantssüsteemide stabiilsust, ohustab riigi julgeolekut ja kahandab üldsuse usaldust finantsasutuste vastu. Valitsused ja õiguskaitseasutused kogu maailmas on mures salakuritegevuse tuvastamise pärast. Finantsasutused kasutavad omakorda mitmesuguseid seiremehhanisme, et tuvastada ja teavitada võimalikust rahapesust. Need süsteemid järgivad tavaliselt lihtsaid reegleid, kuid neil on keeruliste ja uute RP-skeemide tuvastamisel piirangud. Masinõppe algoritmide – algoritmid, mis kasutavad otsuse tegemiseks märgistatud ajaloolisi andmeid – kasutamine RP tuvastamise kontekstis võib oluliselt parandada olemasolevate süsteemide tõhusust.

Selle lõputöö eesmärk on luua lahendus, mis kombineerib erinevaid raamistikke, et tuvastada RP automaatselt masinõppe abil. Sellise lahenduse väljatöötamisel on aga palju väljakutseid. Digitaalsete maksete ja ülemaailmsete tehingute kasv on toonud analüüsimiseks tohutul hulgal andmeid. Erinevad finantstooted muudavad rahapesu tuvastamise veelgi raskemaks, kuna kurjategijad võivad kasutada nende toodete erinevaid kombinatsioone. Lisaks on RP väga haruldane sündmus, mis raskendab tõhusate masinõppemudelite väljatöötamist. Lõpuks muutuvad RP-skeemid pidevalt, nõudes lähenemisviisi regulaarset värskendamist ja kohandamist.

Lõputöö annab sellesse uurimisvaldkonda neli peamist panust: (i) raamistik, mis tuvastab RP individuaalse kliendi tasandil; (ii) raamistik, mis tuvastab RP grupi kliendi tasandil; (iii) süsteem, mis määrab kindlaks, millal teavitada tuvastatud rahapesust tingitud käitumist, mida hiljem töötlevad spetsialiseerunud eksperdid; (iv) süsteem, mis annab tekstilisi selgitusi nende hoiatusteadete esitamise põhjuste kohta. Need panused koos moodustavad tervikliku lahenduse automaatseks RP tuvastamiseks, mis vastab olulistele ärinõuetele. Lahendust on testitud tegelike andmete põhjal koos kliendiprofiilide, tehingute ajaloo ja rahapesuvastaste ekspertide sisendiga. Tulemusi hinnati arvutuslike katsete ja domeeniekspertide tagasiside kaudu.
 

Kaitsmist saab jälgida Zoomis (kohtumise ID: 983 8014 9390, pääsukood: ati).