Tekoäly ja koneoppiminen talousrikosten torjunnassa : rahanpesun ja luottokorttipetoksien havaitseminen älykkäillä järjestelmillä
Reijonen, Juho (2025-05-26)
Tekoäly ja koneoppiminen talousrikosten torjunnassa : rahanpesun ja luottokorttipetoksien havaitseminen älykkäillä järjestelmillä
Reijonen, Juho
(26.05.2025)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025060358755
https://urn.fi/URN:NBN:fi-fe2025060358755
Tiivistelmä
Talousrikollisuuden kehittyminen ja digitalisoituminen ovat lisänneet haasteita rahanpesun ja luottokorttipetosten havaitsemisessa. Perinteiset sääntöpohjaiset järjestelmät ovat edelleen yleisesti käytössä, mutta niiden rajoitteet, kuten mukautumattomuus ja korkea väärien hälytyksien määrä ovat luoneet tarvetta edistyneemmille menetelmille. Tässä kandidaatintutkielmassa tarkastellaan koneoppimismenetelmien soveltuvuutta ja tehokkuutta rahanpesun ja luottokorttipetosten torjunnassa. Lisäksi näitä menetelmiä verrataan perinteisiin menetelmiin.
Tutkielma esittelee keskeisiä koneoppimismenetelmiä, kuten logistista regressiota, tukivektorikoneita ja satunnaismetsämalleja ja arvioi niiden soveltuvuutta, erityisesti petollisten maksutapahtumien tunnistamiseen. Tutkimuksessa käsitellään lisäksi tekoälyyn ja koneoppimiseen liittyviä eettisiä haasteita, kuten algoritmista harhaa, selitettävyyttä ja vastuun puutetta.
Tutkielman johtopäätöksenä todetaan, että tekoäly ja koneoppiminen eivät ole yksittäisiä ratkaisuja talousrikollisuuden torjumiseksi, mutta ne muodostavat keskeisen osan tulevaisuuden valvontajärjestelmiä. Tekoälyteknologioiden hyödyntäminen tehokkaasti edellyttää tasapainoa teknisten ratkaisujen, eettisten periaatteiden ja asiantuntijuuden välillä.
Tutkielma esittelee keskeisiä koneoppimismenetelmiä, kuten logistista regressiota, tukivektorikoneita ja satunnaismetsämalleja ja arvioi niiden soveltuvuutta, erityisesti petollisten maksutapahtumien tunnistamiseen. Tutkimuksessa käsitellään lisäksi tekoälyyn ja koneoppimiseen liittyviä eettisiä haasteita, kuten algoritmista harhaa, selitettävyyttä ja vastuun puutetta.
Tutkielman johtopäätöksenä todetaan, että tekoäly ja koneoppiminen eivät ole yksittäisiä ratkaisuja talousrikollisuuden torjumiseksi, mutta ne muodostavat keskeisen osan tulevaisuuden valvontajärjestelmiä. Tekoälyteknologioiden hyödyntäminen tehokkaasti edellyttää tasapainoa teknisten ratkaisujen, eettisten periaatteiden ja asiantuntijuuden välillä.