وفقًا لفريق العمل المعني بالإجراءات المالية، فإن جميع مخططات غسيل الأموال الكبيرة تقريبًا تكون عابرة للحدود وتشمل قطاعات أعمال مختلفة. وفي الوقت نفسه، غالبًا ما تواجه المؤسسات المالية قيودًا في اكتشاف الشبكات والمعاملات المشبوهة المحتملة بسبب اعتمادها على بيانات وأنظمة مجزأة.

تؤكد دراسة Lexis Nexis حول تكاليف الامتثال للجرائم المالية على العبء المالي الذي تفرضه جهود مكافحة غسل الأموال على المؤسسات المالية. وبين عامي 2020 و2022، ارتفعت هذه التكاليف بنحو 60 مليار دولار إلى حوالي 274 مليار دولار.

لقد قام مركز الشمال التابع لمركز BIS Innovation Hub بالتحقيق في أساليب جديدة لحل المشكلة، حيث قام بإجراء إثبات للمفهوم - يسمى مشروع أورورا - بالشراكة مع شركة Lucinity، وهي شركة آيسلندية تقدم برامج الذكاء الاصطناعي كخدمة.

استخدم إثبات المفهوم (PoC) مجموعة بيانات تركيبية شاملة تمثل بيانات المدفوعات المحلية والدولية في العالم الحقيقي. ولضمان حماية المعلومات الحساسة، تم استخدام تقنيات تعزيز الخصوصية، بالاعتماد على التعلم الآلي وغيره من الأدوات التحليلية بينما تظل البيانات مشفرة.

وفي وقت لاحق، تم تدريب الخوارزميات على مجموعة البيانات الاصطناعية هذه للكشف عن الأنماط المختلفة، المعروفة باسم "النماذج"، المرتبطة بأنشطة غسيل الأموال عبر المؤسسات والبلدان.

وتضمن المشروع استكشاف وجهات نظر مختلفة حول البيانات الاصطناعية لتمثيل سيناريوهات الرصد المختلفة، بما في ذلك سيناريوهات الرصد المنعزلة والوطنية والعابرة للحدود. بالإضافة إلى ذلك، تم النظر في أساليب مختلفة للتحليل التعاوني، بما في ذلك النماذج المركزية واللامركزية والمختلطة، على المستويين الوطني وعبر الحدود.

ويقول BIS إن النتائج تسلط الضوء على "فعالية توظيف التحليلات والتقنيات المتقدمة التي تتبنى منهج التحليل القائم على السلوك، والذي يركز على فهم العلاقات بين مختلف الأفراد والشركات وتحديد الانحرافات عن السلوك الطبيعي". وأظهرت النتائج أن مثل هذه الأساليب أكثر فعالية في الكشف عن شبكات غسيل الأموال من النهج الحالي القائم على القواعد، والذي يقتصر على طبيعته المنعزلة.