مقاله انگلیسی با ترجمه بکارگیری هوش مصنوعی برای مبارزه با پولشویی و توقیف اموال: طلوع عصر جدید

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی سایت ناشر خرید ترجمه مقالات مرتبط سفارش پروپوزال 

عنوان فارسی:

بکارگیری هوش مصنوعی برای مبارزه با پولشویی و توقیف اموال: طلوع عصر جدید

عنوان انگلیسی:

Deploying artificial intelligence for anti-money laundering and asset recovery: the dawn of a new era

کد محصول: M1535

سال نشر: 2023

نام ناشر (پایگاه داده): امرالد

نام مجله: Journal of Money Laundering Control

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی:  ندارد

پرسشنامه : ندارد 

تعداد صفحه انگلیسی: 12 صفحه PDF

تعداد صفحه ترجمه فارسی:   17 صفحه WORD

قیمت فایل ترجمه شده:  64000 تومان

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده

هدف – هدف این مقاله بررسی انتقادی تحول دیجیتال در مبارزه با پولشویی (AML) و مقابله با تامین مالی تروریسم (CFT) بر اساس اصول گروه ویژه اقدام مالی (FATF) سن خوزه، اصول سازمان همکاری اقتصادی و توسعه (OECD) برای هوش مصنوعی (AI) و سند پیشنهادی هوش مصنوعی اتحادیه اروپا (EU) می باشد.  نویسندگان استدلال می‌کنند که ابزارهای هوش مصنوعی می‌توانند AML/CFT و توقیف دارایی‌ها را متحول کنند، اما نیاز به ایجاد تعادل بین بهینه‌سازی کارایی AML و حفظ حقوق اساسی وجود دارد.

طراحی/روش‌شناسی/رویکرد – این مقاله از گزارش‌ها، قوانین، تحقیقات حقوقی و سایر داده‌های منبع باز در مورد تحول دیجیتالی AML/CFT، به‌ویژه بکارگیری هوش مصنوعی در این زمینه، استفاده می‌کند.

یافته ها – یک چارچوب نظارتی جدید با پادمان های قوی برای کاهش ریسک های مرتبط با استفاده از فناوری های جدید در زمینه AML ضروری است.

نوآوری/ارزش – این مطالعه یکی از اولین پژوهش هایی است که استفاده از هوش مصنوعی را در زمینه AML/CFT با توجه به اصول FATF سن خوزه، اصول هوش مصنوعی OECD و سند پیشنهادی هوش مصنوعی اتحادیه اروپا بررسی می کند.

کلمات کلیدی: مبارزه با پولشویی (AML)، هوش مصنوعی (AI)، دیجیتالی سازی، توقیف اموال، شناخت مشتری (KYC)، نظارت بر معاملات

Abstract  : Purpose – This paper aims to critically examine the digital transformation of anti-money laundering (AML) and countering the financing of terrorism (CFT) in light of the Financial Action Task Force (FATF) San Jose principles, the Organisation for Economic Co-operation and Development (OECD) principles for artificial intelligence (AI) and the proposed European Union (EU) Artificial Intelligence Act. The authors argue that AI tools can revolutionize AML/CFT and asset recovery, but there is a need to strike a balance between optimizing AML efficiency and safeguarding fundamental rights.

Design/methodology/approach – This paper draws on reports, legislation, legal scholarships and other open-source data on the digital transformation of AML/CFT, particularly the deployment of AI in this context.

Findings – A new regulatory framework with robust safeguards is necessary to mitigate the risks associated with the use of new technologies in the AML context.

Originality/value – This study is one of the first to examine the use of AI in the AML/CFT context in light of the FATF San Jose principles, the OECD AI principles and the proposed EU AI Act.

Keywords: Anti-money laundering (AML), Artificial intelligence (AI), Digitalization, Asset recovery, Know your customer (KYC), Transaction monitoring

1.مقدمه

استقرار فناوری های جدید برای مبارزه با پولشویی (AML) و مقابله با تامین مالی تروریسم (CFT) به عنوان یک “تغییر سرنوشت ساز” و “انقلابی رو به جلو” مورد استقبال قرار گرفته است (مک کینزی و شرکت، 2022؛ KPMG، 2018). فن آوری های جدید در این زمینه اغلب به عنوان فناوری نظارتی (RegTech) شناخته می شوند، زیرا آنها وعده بهبود پذیرش AML/CFT و افزایش ارائه الزامات قانونی را از طریق استفاده از هوش مصنوعی (AI) و زیر مجموعه‌های مختلف آن، مانند یادگیری ماشین و پردازش زبان طبیعی می‌دهند (مک کارتی، 2022؛ برینجولفسون و مک آفی، 2017؛ استون و همکاران، 2016). بدیهی است که تحول دیجیتالی در AML/CFT باید مطابق با مفاد مربوطه قوانین ملی و اتحادیه اروپا (EU) و همچنین قوانین نرم گروه ویژه اقدام مالی (FATF) که استانداردساز کلیدی جهانی در زمینه AML/CFT است، باشد…

1.Introduction The deployment of new technologies for anti-money laundering (AML) and countering the financing of terrorism (CFT) has been hailed as a “game changer” and an “up-and-coming revolution” (McKinsey and Company, 2022; KPMG, 2018). New technologies in this field are often referred to as regulatory technology (RegTech), for they promise to improve AML/ CFT compliance and enhance the delivery of regulatory requirements through the use of artificial intelligence (AI) and its various subsets, such as machine learning and natural language processing (McCarthy, 2022; Brynjolfsson and McAfee, 2017; Stone et al., 2016). Evidently, the ongoing digital transformation of AML/CFT must adhere to and keep pace with the relevant provisions of national and European Union (EU) laws, as well as the soft law rules of the Financial Action Task Force (FATF), which is the key global standardsetter in the field of AML/CFT…

2.تحول دیجیتالی AML/CFT برای نهادهای تحت نظارت و FIU

تحول دیجیتالی AML/CFT به نهادهای تحت نظارت، به ویژه مؤسسات مالی، کمک می کند تا تطابق با استانداردهای ملی و بین المللی مربوطه را بهبود بخشند. برای این منظور، نوآوری های دیجیتالی جالب مانند احراز هویت الکترونیکی (FATF، 2020؛ ITU، 2017) را کنار گذاشتیم و بر استفاده از ابزارهای مبتنی بر هوش مصنوعی در زمینه AML/CFT تمرکز می کنیم. ما از تعریف OECD در مورد هوش مصنوعی پیروی می کنیم که بیان می کند: «سیستم هوش مصنوعی یک سیستم مبتنی بر ماشین با سطوح مختلف استقلال است که می تواند برای مجموعه معینی از اهداف تعریف شده توسط انسان، پیش بینی ها، توصیه ها یا تصمیماتی را انجام دهد که بر محیط های واقعی یا مجازی تأثیر می گذارد. . . » (OECD، 2019). تقریباً به طور مشابه، اتحادیه اروپا یک سیستم هوش مصنوعی را به عنوان “نرم افزاری که [. . .] می تواند برای مجموعه ای معین از اهداف تعریف شده توسط انسان، خروجی هایی مانند محتوا، پیش بینی ها، توصیه ها یا تصمیماتی ایجاد کند که بر محیط هایی که با آنها در تعامل هستند، تأثیر بگذارد.» تعریف می کند [3]. سیستم‌هایی که در این دسته قرار می‌گیرند، پتانسیل بهبود انطباق با AML/CFT، به‌ویژه شناسایی مشتری و نظارت بر معاملات را دارند، اگرچه چالش‌های جدی برای نهادهای تحت نظارت و FIUها ایجاد شده است…

2. Digital transformation of AML/CFT for regulated entities and FIUs The digital transformation of AML/CFT promises to help regulated entities, especially financial institutions, improve compliance with relevant national and international standards. For the sake of conciseness, we leave aside interesting digital innovations, such as electronic identity authentication (FATF, 2020; ITU, 2017), and focus on the use of AIbased tools in the AML/CFT context. We follow the OECD’s definition of AI, which states that “an AI system is a machine-based system that can, for a given set of human-defined objectives, make predictions, recommendations, or decisions influencing real or virtual environments … with varying levels of autonomy” (OECD, 2019). Almost identically, the EU defines an AI system as “software that […] can, for a given set of human-defined objectives, generate outputs such as content, predictions, recommendations, or decisions influencing the environments they interact with” [3]. Systems that fall within this category have the potential to improve AML/CFT compliance, particularly customer identification and transaction monitoring, although serious challenges remain for regulated entities and FIUs..

3.کاهش ریسک ها: اصول استفاده مسئولانه از هوش مصنوعی در AML/CFT

اگر ابزارهای مبتنی بر هوش مصنوعی به درستی در چارچوب مراجع دولتی طراحی و مستقر نشوند، ریسک تضعیف «روند قانونی، حفاظت برابر و شفافیت» وجود دارد (لیو و همکاران، 2019). برای مثال، ابزارهای مبتنی بر هوش مصنوعی ریسک «تصمیم‌گیری خودکار یا نمایه‌سازی معیوب» (کار گروه حفاظت از داده، 2018) توسط نهادهای تحت نظارت و FIU را به دلیل ورودی‌های داده ذهنی یا سوگیری انتخاب افزایش می دهند (فوریگل و همکاران، 2020؛ دفتر اجرایی رئیس جمهور، 2016). در این زمینه، هوش مصنوعی ممکن است سوگیری و تبعیض موجود را تقویت کند. به عنوان مثال، در مبارزه با تامین مالی تروریسم در پی حملات تروریستی 11 سپتامبر، مؤسسات مالی در ایالات متحده و سایر حوزه‌های قضایی از پروفایل نژادی استفاده کرده و فعالیت‌های مشکوک را بر اساس قومیت مشتریان نظارت کرده‌اند (لی، 2006). علاوه بر خطر سوگیری، استقرار هوش مصنوعی در زمینه AML/CFT نگرانی‌های قانونی را در مورد انعطاف‌پذیری سایبری، امنیت داده‌ها، کیفیت، ثبات، تکامل و حفظ حریم خصوصی و حفاظت از حقوق اساسی ایجاد می‌کند. مجموعه‌ای از اصول و قوانین مورد بحث در بخش‌های فرعی زیر با هدف کاهش خطرات و تحریک نوآوری دیجیتال مسئولانه در AML/CFT ارائه شده است…

3. Mitigating risks: principles for the responsible use of AI in AML/CFT If AI-based tools are not properly designed and deployed in the context of public authority, there is a risk of undermining “due process, equal protection and transparency” (Liu et al., 2019). For instance, AI-based tools pose the risk of “flawed automated decision-making or profiling” (Data Protection Working Party, 2018) by regulated entities and FIUs due to subjective data inputs or selection bias (Feuerriegel et al., 2020; Executive Office of the President, 2016). In this context, AI may amplify existing biases and discrimination. For example, in the fight against terrorism financing in the wake of the 9/11 terrorist attacks, financial institutions in the USA and other jurisdictions have used racial profiling and monitored activities as suspicious based on clients’ (perceived) ethnicity (Lee, 2006). Besides the risk of bias, the deployment of AI in the AML/CFT context raises legitimate concerns about cyber resilience, data security, quality, consistency, completeness and privacy and the protection of fundamental rights. The sets of principles and rules discussed in the following subsections aim to mitigate risks and guide responsible digital innovation in AML/CFT…

4.جمع بندی

صد سال پیش، کریستین لانگ، برنده جایزه صلح نوبل، با دقت متذکر شد که «فناوری خدمتگزار مفیدی است اما ارباب خطرناکی است» (لانژ، 1921)، و هشدار داد که پیشرفت‌های فناوری ممکن است دولت‌ها را وسوسه کند که از قدرت نامحدود استفاده کنند. در عصر هوش مصنوعی، این یک نگرانی حائز اهمیت نه تنها برای دولت ها، بلکه برای بزرگترین شرکت های جهان، از جمله شرکت های بیگتک و موسسات مالی بزرگ است. صنایع مالی و فناوری اطلاعات در حال حاضر انقلابی در انطباق با AML/CFT از طریق هوش مصنوعی برای کاهش ریسک‌های نظارتی و هزینه‌های انطباق و افزایش کارایی رویه آغاز کرده‌اند. در واقع، استفاده از هوش مصنوعی در AML/CFT می‌تواند با تجزیه و تحلیل مقادیر زیادی از داده‌های مالی و شناسایی سریع و دقیق فعالیت‌های مشکوک، به شناسایی و جلوگیری از پولشویی کمک کند. با این حال این موضوع چالش‌های نظارتی جدیدی از جمله حریم خصوصی، انصاف، توضیح‌پذیری و نظارت را ایجاد می‌کند (برتراند و همکاران، 2021؛ FATF، 2021a). انطباق با AML/CFT نباید به نظارت گسترده با کمک هوش مصنوعی ناخوشایند تبدیل شود و به مؤسسات مالی اجازه دهد کاری را انجام دهند که دولت ها نمی توانند مستقیماً انجام دهند.

4.Concluding remarks One hundred years ago, Nobel Peace Prize laureate Christian Lange discerningly noted that “technology is a useful servant but a dangerous master” (Lange, 1921), warning that technological advancements may tempt states to wield unrestricted power. In the era of AI, this is a justifiable concern not only for states but also for the world’s largest corporations, including Big Tech companies and major financial institutions. The financial and IT industries have already started revolutionizing AML/CFT compliance through AI to reduce regulatory risks and compliance costs and increase procedure efficiency. Indeed, the use of AI in AML/CFT can help detect and prevent money laundering by analysing vast amounts of financial data and identifying suspicious activity promptly and accurately. At the same time, however, it poses new regulatory challenges, including privacy, fairness, explainability and oversight (Bertrand et al., 2021; FATF, 2021a). AML/CFT compliance must not degenerate into dystopian AI-assisted massive surveillance, allowing financial institutions to do what states cannot do directly…