2025. — Т 12. — №s3 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://resources.today/02faor325.html

This article metadata is also available in English

DOI: 10.15862/02FAOR325 (https://doi.org/10.15862/02FAOR325)

Полный текст статьи в формате PDF (объем файла: 450.1 Кбайт)

Ссылка для цитирования этой статьи:

Русаков, К. А. Синтез графовых нейронных сетей и методов обработки естественного языка для выявления аномальных паттернов в цепочках P2P-переводов как инструмент риск-ориентированного надзора / К. А. Русаков // Отходы и ресурсы. — 2025. — Т 12. — №s3. — URL: https://resources.today/PDF/02FAOR325.pdf. — DOI: 10.15862/02FAOR325. (дата обращения: 06.10.2026).

Синтез графовых нейронных сетей и методов обработки естественного языка для выявления аномальных паттернов в цепочках P2P-переводов как инструмент риск-ориентированного надзора

Русаков Кирилл Алексеевич
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации», Москва, Россия
E-mail: 245308@edu.fa.ru

Аннотация. Стремительный рост объёмов межперсональных электронных переводов в условиях распространения Системы быстрых платежей и цифровых финансовых платформ формирует качественно новый ландшафт рисков финансового мошенничества. Традиционные системы антифрод-мониторинга, основанные на сигнатурных правилах и пороговых фильтрах, демонстрируют снижающуюся эффективность в условиях адаптации мошеннических схем к автоматизированным контролям. Настоящее исследование посвящено анализу потенциала синтеза графовых нейронных сетей и методов обработки естественного языка для выявления аномальных паттернов в цепочках P2P-переводов в контексте задач риск-ориентированного надзора. В работе систематизированы ключевые типы мошеннических схем в сфере P2P-переводов, проанализированы архитектурные особенности графовых нейронных сетей, применимых к анализу транзакционных графов, исследованы возможности интеграции NLP-компонентов для обогащения поведенческой аналитики. Разработана авторская концептуальная матрица применения гибридного подхода GNN-NLP в зависимости от типа аномалии и источника данных. Методологическую основу составляют системный подход и метод сравнительного анализа алгоритмов, позволяющие сопоставить архитектуры нейронных сетей по критериям точности, скорости реакции и пригодности для обработки финансовых данных в реальном времени. В качестве информационной базы использованы аналитические отчёты ФинЦЕРТ, данные «Лаборатории Касперского» и Positive Technologies о ландшафте угроз финансового сектора за 2024–2025 годы, а также научные публикации в области графового и лингвистического анализа транзакций. Установлено, что графовое представление транзакционных данных позволяет выявлять структурные закономерности, недоступные при поэлементном анализе, тогда как NLP-компоненты обеспечивают распознавание семантических маркеров манипулятивного воздействия в текстовых полях операций.

Ключевые слова: графовые нейронные сети; обработка естественного языка; межперсональные переводы (англ. P2P); финансовое мошенничество; антифрод; риск-ориентированный надзор; Система быстрых платежей; поведенческая аналитика; машинное обучение; транзакционный граф

Скачать