Выявление сомнительной активности по транзакциям внутри банка методами сетевого анализа

Россия традиционно является одной из стран-лидеров по объему теневой экономики по отношению к ВВП (46% в 2017 году по данным независимой ассоциации аудиторов ACCA, [1]). С одной стороны, постоянное ужесточение требований со стороны регуляторов к раскрытию информации финансовыми институтами не позволяет безнаказанно проводить неправомерные операции из-за возрастающего риска быть выявленными. С другой стороны, стремительное развитие информационных технологий приводит к тому, что внутренним службам риск- менеджмента становится все сложнее отслеживать нежелательные финансовые транзакции. Помимо налоговых махинаций и других экономических преступлений в структуре теневой экономики ярко выделяется так называемый «черный рынок». Незаконную торговлю товарами и услугами можно представить в виде социальной сети, которая, предположительно, обладает узлами и связями со своими уникальными паттернами поведения. В данной работе приводится попытка выявления этих паттернов с применением методов анализа социальных сетей (Social Network Analysis). Исследование проводится по транзакционным данным внутри крупной российской платежной системы. Представляя транзакции в виде ребер графа, вершинами которого являются уникальные идентификаторы пользователей, выделяются аномальные сетевые подмножества. Для валидации принадлежности того или иного подмножества к группе мошенников дополнительно проводится тематический анализ текстовых комментариев к платежам. Предлагаемый подход, основанный на выделении неправомерных групп пользователей с применением методов сетевого анализа, призван дополнить локальные методики, которые используются службами риск-менеджмента и комплайенс контроля внутри компаний финансового сектора.