facebook LinkedIN LinkedIN - follow
Tematické sekce
 
Branžové sekce
Přihlášení SystemNEWSPřehledy
 
Tematické seriály

Jak uřídit IT projekt a nezbláznit se

Užitečné tipy a nástroje pro řešení problémů řízení inovací a vývoje produktů...

články >>

 

Industry 4.0

Průmysl 4.0

Jaký vliv bude mít čtvrtá průmyslová revoluce na výrobu a výrobní firmy?

články >>

 
Nové!

RPA - automatizace procesů

Softwaroví roboti automatizují obchodní procesy.

články >>

 
Nové!

IoT – internet věcí

Internet věcí a jeho uplatnění napříč obory.

články >>

 
Nové!

VR – virtuální realita

Praktické využití virtuální reality ve službách i podnikových aplikacích.

články >>

 
Nové!

Bankovní identita (BankID)

K službám eGovernmentu přímo z internetového bankovnictví.

články >>

 

Příručka úspěšného IT manažera

Dnes je řada IT manažerů opomíjena. Úspěšní bývají brouci Pytlíci a Ferdové...

články >>

 
 
Partneři webu
Nepodařilo se připojit k serveru.
IT SYSTEMS 11/2015 , AI a Business Intelligence , Banky a finanční organizace

Odhalování praní špinavých peněz pomocí data miningu



ACREA CRPraní špinavých peněz škodí společnosti mnoha způsoby. Největší škody přináší fakt, že legalizované prostředky jsou zdrojem pro další zločineckou činnost a její rozvoj. Zločinecká činnost narušuje státní organizaci a snižuje důvěru země a tím i její atraktivitu pro mezinárodní investory. Celkově ztěžuje existenci jakémukoliv legálnímu ekonomickému subjektu.


V posledních letech se ke kriminálním hrozbám výrazně přidalo riziko mezinárodního terorismu. Teroristické organizace také potřebují prostředky získané ze své činnosti přeměňovat za zboží či služby pro rozvoj svých aktivit. Výsledkem je opět pokles stability a jistoty světového společenství a tím pádem i poškození světového obchodu.

Praní špinavých peněz, krom uvedených nepřímých vlivů, také poškozuje finanční sektor přímo. Významně narušuje důvěru v něj a jeho stabilitu. Finanční instituce s nízkou důvěrou není schopna shromažďovat legální prostředky a její existence je ohrožena.

Protože podle odhadů je až 20% nelegálních prostředků utraceno v průběhu procesu praní, mohlo by se zdát, že finanční instituce mají z praní peněz jisté výhody. Z dlouhodobého hlediska uvedené negativní vlivy mnohonásobně převažují a je zájmem každé finanční instituce praní špinavých peněz potírat.

Proces praní špinavých peněz

Praní špinavých peněz, zneužívající finanční systém, má tři základní fáze:

  • umístění,
  • vrstvení,
  • integrace.

Umístění je počáteční fáze, ve které vstupují prostředky do finančního systému. Výnosy nelegální činnosti se nejčastěji realizují v hotovosti. Aby mohly být legalizovány a použity v běžném obchodním styku, musejí být převedeny do bezhotovostní formy. Zločinecké skupiny často vytvářejí síť zprostředkovatelů, fiktivních firem a nastrčených osob, které vklad fyzicky provádějí. Tato fáze je pro zločince velmi riziková a skýtá naději na odhalení celého procesu v jeho zárodku. Uplatňují se hlavně zkušenosti pracovníků finančních institucí na pobočkách.

Následuje fáze vrstvení, jedná se o celou sekvenci bankovních operací v rámci celosvětového finančního systému. Cílem fáze je znemožnit nalezení zdroje prostředků. Typické je rozdělení prané částky na mnoho malých částek doprovázené celou řadou nenápadných bezhotovostních transakcí. Délka této fáze je velmi různorodá a záleží jen na zločinecké organizaci, jak dlouho a důkladně chce nechat špinavé peníze probíhat finančním systémem. Odhalení podezřelých transakcí v této fázi je možné, ale vyžaduje nasazení výpočetních prostředků schopných prověřovat velké množství transakcí v reálném čase.

Poslední fází je integrace. Prostředky, u nichž po druhé fázi nelze vystopovat jejich původ a které vypadají legálně, jsou shromážděny na účtech zločinecké organizace a používány běžným způsobem. I v této fázi je šance odhalit podezřelé transakce opět s využitím výpočetních prostředků.

Odhalování praní špinavých peněz pomocí data miningu

Data mining je proces objevování významných netriviálních závislostí, vzorů a trendů cíleným prozkoumáváním velkých objemů dat pomocí matematických a statistických algoritmů. To je obecná definice data miningu podle společnosti Gartner, Inc. Obecná definice se dá snadno upravit pro úlohu praní špinavých peněz. Data mining je proces, který zkoumá velké objemy finančních transakcí a hledá pravidla pro podezřelé transakce, podezřelé účty i osoby (obecně případy).

Nejpřínosnější model přiřadí každé transakci, účtu nebo osobě skóre toho, s jakou pravděpodobností je zapletena do praní špinavých peněz a upozorní tím na podezřelé případy. Skóre je přiřazováno pomocí matematického modelu, který pracuje se zvolenými vlastnostmi případu, pokud případ vlastnost má, skóre se zvýší, případně sníží. Důležité je sledovat i historie transakcí na účtech nebo u osob. V posledních letech se rozvíjí analýza sociálních sítí zkoumající vztahy a vazby mezi různými objekty. Její použití v odhalování praní špinavých peněz je velmi slibné, protože dokáže najít souvislosti mezi různými účty a osobami a odhalit tak celé podezřelé sítě. Jaké všechny vlastnosti jsou důležité, a jak konkrétně ovlivňují skóre, je právě předmětem odhadu modelu.

Při odhadu se využívá historických zkušeností z dříve odhaleného praní špinavých peněz. Vstupem je seznam všech historických transakcí, historie účtů a osob se všemi jejich vlastnostmi (např. příjemce, částka, měna, země atd.) a s označením některých, jako podezřelých či prokázaných účastníků praní špinavých peněz. Model pak hledá charakteristické vlastnosti pro praní peněz a odhaduje vzorec pro výpočet skóre.

Acrea CR

Do modelu je vhodné včlenit také expertní pravidla získaná dlouhodobou zkušeností pracovníků finančních ústavů. Expertní pravidla se nejčastěji uplatní ve fázi umístění, kdy pracovník může poznat podezřelé chování osob provádějících umístění, ale i ve fázi vrstvení lze ze zkušenosti vytipovat podezřelé transakce. Další velmi důležitou skupinou expertních pravidel jsou vyhlášky a nařízení regulátora. Všechna pravidla jsou zahrnuta do jednoho komplexního algoritmu, jehož výsledkem je jedno nebo i několik málo čísel, skóre, udávající riziko praní špinavých peněz.

Situace je komplikovanější, pokud není k dispozici dostatek odhalených historických případů praní špinavých peněz. V tomto případě stále můžeme použít expertní pravidla a nařízení regulátora, ale ani data mining není bezmocný. Existují metody vyhledávající tzv. anomálie. Anomálie je obecně případ, který má odlišné chování od zbytku souboru. V naší situaci je anomálií transakce, která není obvyklá. Abychom anomálii mohli nalézt, je nutné definovat normální chování a zde se právě uplatní data mining. Model prozkoumá obrovské množství transakcí, účtů a osob, porovná je mezi sebou a nalezne obvyklá chování. Těch budě určitě více, protože i legální finanční procesy mají mnoho variant, model je nalezne, ale hlavně nalezne to, co se k žádné variantě nehodí a co je proto podezřelé.

Ve všech případech model pouze označuje podezřelé transakce nebo činnosti a nemůže sloužit jako důkaz. Dokáže ale zaměřit pozornost vyšetřovatelů na správné místo a výrazně tím zvyšuje efektivitu jejich práce.

Požadované vlastnosti dataminingového řešení

Přínosné dataminingové řešení musí mít určité vlastnosti. Protože organizovaný zločin je velmi mobilní a mezinárodní, je rychlost odhalení jeho činnosti klíčová. Řešení proto musí být schopné zkontrolovat velké počty transakcí v krátkém čase, rychle načítat všechny datové zdroje, kombinovat je dohromady a provádět nad nimi potřebné výpočty. Řešení musí být i flexibilní, aby se lehce a rychle přizpůsobovalo novým praktikám praní špinavých peněz. Neméně důležitá je i přesnost a citlivost řešení. Každý úspěšně provedený proces praní špinavých peněz má neblahé důsledky a je třeba jich co nejvíce odhalit. Na druhé straně vyšetřovací kapacity regulátora jsou omezené. Řešení by proto mělo označovat jen ty transakce, které mají velkou pravděpodobnost praní špinavých peněz.

Uvedené vlastnosti přínosného řešeni vyžadují použití komplexního dataminingového softwaru. Software musí být univerzální v přístupu k datům, v jejich přípravě a modelování a v aplikaci výsledků do praxe. Univerzálnost v přístupu k datům, znamená, že formáty vstupních dat nejsou omezené. To je zásadní, protože transakční data jsou v různých databázích, nebo i jiných typech souborů a všechny údaje musejí být k dispozici. Načtené zdroje je také nutné umět kombinovat a používat společně.

Univerzálnost v přípravě dat a modelování znamená, že analytik je schopen provést libovolnou datovou manipulaci. Prakticky jedinou možností je poskytnout analytikovi sadu jednoduchých nástrojů, které lze kombinovat dohromady a vytvářet rozmanité komplexní datové procesy. Vzhledem ke komplexnosti úlohy není možné vytvořit jeden uzavřený proces a ten používat stále, naopak je nutné proces stále měnit případně rozšiřovat. Důležitým prvkem v datovém procesu jsou statistické algoritmy, které matematicky modelují závislosti v datech a vytvářejí již zmíněné skóre. K dispozici musí být široká skupina algoritmů i s možností kombinovat výsledky různých algoritmů dohromady.

Univerzálnost při aplikaci výsledků do praxe znamená, že vytvořený datový proces s odhadnutým modelem musí být schopen předávat výsledky kontroly transakcí do prostředí a formátu, který vyšetřovatelé potřebují. Nejlépe přímo do jejich informačního systému. Zajištěn musí být i automatický běh skórování v pravidelných intervalech nebo ideálně v reálném čase.

Moderní technologie pomáhají v boji s organizovaným zločinem

Odhalování praní špinavých peněz je velmi důležitá činnost, její přínosy se projeví v celé společnosti i ve finanční instituci, která odhalování provádí. Organizovaný zločin je schopen zneužívat všech výhod moderní techniky, ale s využitím výpočetní techniky a dataminingového softwaru může moderní technika naopak v boji s organizovaným zločinem pomoci.

Odkud se vzal pojem „praní špinavých peněz“?

Praní špinavých peněz je proces legalizace výnosů z trestné činnosti. Podrobná definice procesu je uvedena v §3 zákona 253/2008 Sb. Subjekt, který získá prostředky nelegální činnosti, je nemůže rovnou použit v legálním obchodním procesu, tedy k legálnímu nákupu zboží nebo služeb. Větší množství prostředků by vzbudilo otázky po jejich původu u obchodních partnerů a nakonec i u státních orgánů. Požívání nelegalizovaných prostředků je pro zločinecký subjekt velmi rizikové. Nezákonná činnost často unikla pozornosti a byla odhalena až na základě používání prostředků v ní získaných. To vede zločinecké subjekty ke snaze zamaskovat skutečný původ prostředků a vytvořit věrohodnou zástěrku, která by legálně vysvětlovala původ prostředků a tím umožnila jejich běžné používání. Klasickým způsobem je existence legálního podniku vydávajícího nelegální prostředky za své zisky. Tento způsob byl hojně využíván v době prohibice v USA, kdy zločinecké organizace legalizovaly prostředky získané prodejem alkoholu přes síť prádelen. Zisky prádelen byly slučovány s nelegálními výnosy a maskovány falešným účetnictvím.

V současnosti zneužívají zločinci finanční systém a zejména jeho celosvětové propojení. Mají možnost rychle přesouvat prostředky mezi finančními institucemi a státy a využívají daňových rájů, kam své prostředky umísťují. Také hojně zneužívají bankovního tajemství.

Ondřej Brom Ondřej Brom
Autor článku je lektorem, analytikem a odborným konzultantem společnosti ACREA CR. Ondřejovou doménou jsou projekty z oblasti data miningu, sběru dat a jeho automatizace.
Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.

Inzerce

Jak BI a controlling pomůže zlepšit výkon výrobní společnosti

Běžná praxe ve výrobním pod­ni­ku: Obchodní ředitel hodnotí výkonnost týmu, rentabilitu zákazníků a produktů. Výrobní ředitel hlídá efektivitu vytížení zdrojů a správnost kalkulací. Ředitel nákupu a logistiky sleduje zajištění materiálem a kvalitu dodavatelů. Finanční ředitel zajišťuje financování a analyzuje hospodářský výsledek.