Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Интеллектуальная инженерная экономика и Индустрия X.0 (ИНПРОМ-2026); Санкт-Петербург; Санкт-Петербург
Год издания: 2026
Идентификатор DOI: 10.18720/IEP/2026.2/97
Ключевые слова: artificial intelligence tools, financial monitoring, security methods, comparative analysis, инструменты искусственного интеллекта, финансовый мониторинг, методы защиты, сравнительный анализ
Аннотация: В статье рассматриваются прикладные инструменты искусственного интеллекта в системах финансового мониторинга, актуальные для внедрения в 2026 году. Автор обосновывает необходимость перехода от традиционных статических методов проверки к динамическому анализу поведения пользователей на основе нейросетевых архитектур (RNN, GNN, TransПоказать полностьюformers) способных эффективно противодействовать синтетическим угрозам. В работе представлен сравнительный анализ преимуществ ИИ-технологий перед традиционными барьерами защиты. В качестве технологического базиса предлагается использовать сочетание технологий трех, способного эффективно противодействовать дипфейк-атакам и сложным мошенническим схемам. Прогнозная оценка эффективности предложенного стека технологий подтверждает возможность снижения объема успешного фрода на 25-30% относительно показателей 2025 года. This article examines applied artificial intelligence tools in financial monitoring systems, which are relevant for implementation in 2026. The author substantiates the need to transition from traditional static verification methods to dynamic user behavior analysis based on neural network architectures (RNN, GNN, Transformers) capable of effectively countering synthetic threats. The paper presents a comparative analysis of the advantages of AI technologies over traditional security barriers. A combination of three neural network technologies (RNN, GNN, and Transformers) is proposed as the technological basis, capable of effectively countering deepfake attacks and complex fraudulent schemes. A predictive assessment of the effectiveness of the proposed technology stack confirms the possibility of reducing the volume of successful fraud by 25-30% compared to 2025 levels.
Журнал: Интеллектуальная инженерная экономика и Индустрия X.0 (ИНПРОМ-2026)
Номера страниц: 406-409
Место издания: Санкт-Петербург