Россия
Россия
Введение. Развитие финансовых технологий и рост цифровизации экономического пространства обусловили резкое увеличение киберпреступлений. Наличие пробелов в законодательстве негативно сказывается на эффективности применения проактивных и адаптивных стратегий противодействия им. Данные тенденции также способствуют росту масштабов теневой экономики и уклонения от уплаты налогов, что отрицательно влияет на уровень экономической безопасности страны. Методы. Методологическую основу исследования составили компаративный и ретроспективный методы. Это позволило выявить специфику совершения киберпреступлений и определить ключевые направления противодействия им с применением технологий искусственного интеллекта. Результаты. Обеспечение приемлемого уровня безопасности финансовой системы требует принятия комплексной стратегии, базирующейся на использовании передовых технологий искусственного интеллекта и больших данных. Повышение эффективности взаимодействия государства и бизнеса в части выявления и пресечения преступлений в финансовой сфере позволит обеспечить устойчивое развитие функционирования экономической системы страны, а также повысить уровень экономической безопасности. Расширение международного сотрудничества является ключевым фактором в борьбе с трансграничными финансовыми преступлениями, поскольку оно затрудняет использование сложных схем, предназначенных для обхода мер по противодействию (легализации) отмыванию доходов, полученных преступным путем.
киберпреступления, искусственный интеллект, финансовые преступления, финансовые мошенничества, финансовые технологии, цифровые финансовые технологии, большие данные, финансовая безопасность, экономическая безопасность
1. Васюков В. Ф., Старжинская А. Н. Об оперативно-розыскных и следственных мерах противодействия легализации преступных доходов с использованием криптовалют // Российское право: образование, практика, наука. 2024. № 4. С. 68–78. https://doi.org/10.34076/2410-2709-2024-142-4-68-78.
2. Лапшин В. Ф. Финансовые преступления в структуре экономических уголовно наказуемых посягательств // Пенитенциарная наука. 2011. № 16. С. 9–13.
3. Решетов К. Ю., Фунтикова К. В., Дьячкова Д. К. Влияние искусственного интеллекта на трансформацию мировой финансовой системы // Экономика и предпринимательство. 2024. № 1 (162). С. 452–458. https://doi.org/10.34925/EIP.2024.162.1.084.
4. Савин С. В., Мурзин А. Д. Системы поддержки принятия решений на базе искусственного интеллекта: интеграция, адаптация и оценка эффективности // Экономика и управление. 2024. Т. 30, № 12. С. 1521–1534. https://doi.org/10.35854/1998-1627-2024-12-1521-1534.
5. Свиридов О. Ю., Некрасова И. В. Тенденции развития финтех-экосистемы в российской экономике // Вестник Волгоградского государственного университета. Экономика. 2019. Т. 21, №. 4. С. 197–206.
6. Хабибулин А. Г. Актуальные проблемы формирования знаний для подготовки специалистов-юристов в сфере обеспечения экономической и финансовой безопасности, защиты финансового суверенитета Российской Федерации в условиях трансформации миропорядка / Хабибулин А. Г., Анищенко В. Н., Молчанов А. В., Костюк М. Ф. [и др.] // Вестник Московского университета. Серия 26: Государственный аудит. 2024. № 4. С. 27–52. https://doi.org/10.55959/MSU2413-631X-27-15-4-03.
7. Эскиндаров М. А. Направления развития финтеха в России: экспертное мнение Финансового университета / Эскиндаров М. А., Абрамова М. А., Масленников В. В., Амосова Н. А. [и др.] // Мир новой экономики. 2018. № 12 (2). С. 6–23. https://doi.org/10.26794/2220-6469-2018-12-2-6-23.
8. AL-Dosari K., Fetais N., Kucukvar M. Artificial intelligence and cyber defense system for banking industry: A qualitative study of AI applications and challenges // Cybernetics and systems. 2022. № 2 (55). P. 1–29. . https://doi.org/10.1080/01969722.2022.2112539.
9. Bodker A. et al. Card-not-present fraud: using crime scripts to inform crime prevention initiatives // Security Journal. 2022. Vol. 36, № 4. P. 1–19. https://doi.org/10.1057/s41284-022-00359-w.
10. Gargano M., Pauwels E. Demography in the next institutional cycle: Preparing the landing space // Egmont Policy Brief 349. 2024. 1–6. URL: https://www.jstor.org/stable/resrep67775.
11. Kovács L., David S. Fraud risk in electronic payment transactions // Journal of Money Laundering Control. 2016 Vol. 19, №. 2. P. 148–157. https://doi.org/10.1108/JMLC-09-2015-0039.
12. Marasi S., Ferretti S. Anti-money laundering in cryptocurrencies through graph neural networks: A comparative study / 2024 IEEE 21st Consumer Communications & Networking Conference (CCNC). P. 272–277. https://doi.org/10.1109/CCNC51664.2024.10454631.
13. Martinčević I., Črnjević S., Klopotan I. Fintech Revolution in the Financial Industry / Proceedings of the ENTRENOVA – ENTerprise REsearch InNOVAtion Conference, Virtual Conference, 10–12 September 2020. Zagreb : IRENET – Society for Advancing Innovation and Research in Economy, 2020. P. 563–571. URL: https://proceedings.entrenova.org/entrenova /article/view/357.
14. Richardson B., Waldron D. Fighting back against synthetic identity fraud // McKinsey on RISK. 2019. № 7. С. 1–6. Sabharwal M. The use of Artificial Intelligence (AI) based technological applications by Indian Banks // International Journal of Artificial Intelligence and Agent Technology. 2014. Vol. 2, № 1. P. 1–5. URL: https://www.researchgate.net/publication/299430567.
15. Santoso P. A. The Role of Threat Intelligence Sharing in Strengthening Collective Cyber Defense Across Organizations // Global Research Perspectives on Cybersecurity Governance, Policy, and Management. 2024. Vol. 8, № 12. P. 24–33. https://hammingate.com/index.php/GRPCGPM/article/view/3/3.
16. Santoso, Putri A. 2024. “The role of threat information exchange in strengthening collective cyber defense of organizations.” Perspectives of global research in the field of management, policy and rational use of resources in the field of cybersecurity 8, no. 12 (December): 24–33. https://hammingate.com/index.php/GRPCGPM/article/view/3/3.
