نوع مقاله : پژوهشی

نویسندگان

• باقر شاملو ¹
• سمیه پرهیزکاری ²

¹ استاد گروه حقوق کیفری و جرم‌شناسی، دانشکده حقوق، دانشگاه شهید بهشتی، تهران، ایران

² دانشجوی دکتری حقوق کیفری و جرم‌شناسی دانشکده حقوق دانشگاه شهید بهشتی، تهران، ایران.

چکیده

رویکرد داده‌بنیان در سال‌های اخیر به عنوان پارادایمی نوین در پیشگیری از جرایم اقتصادی مطرح شده است. گذار از نظام‌های سنتی قاعده‌محور و ریسک‌مدار به سامانه‌های مبتنی بر کلان‌داده، داده‌های جایگزین و الگوریتم‌های یادگیری ماشین، این امکان را فراهم آورده است که فرآیند شناسایی مشتری و بازشناسی تراکنش‌های مشکوک، به عنوان دو رکن اساسی مورد تأکید اسناد بین‌المللی در راستای مبارزه با جرایم اقتصادی (از جمله اسناد گروه ویژه اقدام مالی)، به‌طور کارآمدتری انجام پذیرد. نوشتار حاضر با هدف شناسایی ظرفیت‌ها و چالش‌های کاربست این رویکرد، به روش توصیفی‑تحلیلی و با استفاده از منابع کتابخانه‌ای نگارش یافته است. یافته‌های پژوهش نشان می‌دهد که الگوریتم‌های یادگیری ماشین در شاخه‌های نظارت‌شده و بدون نظارت توانایی قابل توجهی در کشف الگوهای پنهان و ناهنجار تراکنش‌های مالی دارند و نرخ خطاهای مثبت و منفی کاذب را کاهش می‌دهند. در مقابل، کاربست این رویکرد با چالش‌هایی چون عدم شفافیت الگوریتمی و تعارض آن با حق دفاع و آسیب‌پذیری ادله الگوریتمی در برابر حملات تخاصمی مواجه است. نتیجه آنکه اگرچه رویکرد داده‌بنیان مسیری روشن و کارآمد در پیشگیری از جرایم اقتصادی و به‌ویژه پولشویی فراروی نهادهای مالی و عدالت کیفری گشوده است، اما تحقق کامل این ظرفیت‌ها بدون توجه همزمان به طراحی چارچوب‌های قانونی و تنظیم‌گری هوشمند، امکان‌پذیر نخواهد بود.

کلیدواژه‌ها

• رویکرد داده‌بنیان
• پیشگیری
• شناسایی مشتری
• تراکنش‌های مشکوک
• یادگیری ماشین
• شفافیت الگوریتمی

موضوعات

• حقوق جزا

عنوان مقاله [English]

Application of the data-based approach in anti-money laundering

نویسندگان [English]

• Bagher Shamloo ¹
• somaye parhizkary ²

¹ Professor, Department of Criminal Law and Criminology, Faculty of Law, Shahid Beheshti University, Tehran, Iran

² PHD student of criminal law and criminology, Faculty of Law, Shahid Beheshti University, Tehran, Iran.

چکیده [English]

The data-based approach has been introduced in recent years as a new paradigm in the prevention of economic crimes. The transition from traditional rule-based and risk-based systems to systems based on big data, alternative data, and machine learning algorithms has made it possible to carryout more efficiently the processes of customer due diligence and the detection of suspicious transactions—two fundamental pillars emphasized by international instruments to combat economic crimes. The present article, employing a descriptive-analytical method and aims to identify the capacities and challenges of applying this approach. The research findings indicate that machine learning algorithms, in both supervised and unsupervised branches, demonstrate considerable capability in uncovering hidden patterns and anomalies in financial transactions, and reduce the rates of false positives and false negatives. Conversely, the application of this approach faces challenges such as algorithmic opacity and its conflict with the right of defense, as well as the vulnerability of algorithmic evidence to adversarial attacks. It is concluded that although the data-based approach has opened a clear pathway for the prevention of economic crimes, particularly money laundering, the full realization of these capacities will not be possible without due consideration given to the design of legal frameworks and intelligent regulation

کلیدواژه‌ها [English]

• data-based approach
• prevention
• customer due diligence
• suspicious transactions
• machine learning
• algorithmic transparency