Современные механизмы обеспечения противодействия легализации доходов, полученных преступным путем, и финансированию терроризма: риск-ориентированный подход

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Современные механизмы обеспечения противодействия легализации доходов, полученных преступным путем, и финансированию терроризма: риск-ориентированный подход

Аннотация

Данная научная публикации рассматривают необходимость внедрения, оптимизации и дальнейшего использования новых технологий (искусственного интеллекта) в рамках риск-ориентированного подхода в целях повышения экономической безопасности Российской Федерации, автор считает, что использование искусственного интеллекта поспособствует улучшению процессу анализа, оценки и управления рисками в целях разработки более эффективных и целесообразных мер по борьбе и противодействию отмыванию денег и финансированию терроризма. Особое внимание уделяется преимуществам использования новых технологий в сфере экономической безопасности, а также необходимости заменять новым подходом классический подход к оценке рисков. Данный подход разрабатывается и регламентируются группой разработки финансовых мер борьбы с отмыванием денег (ФАТФ). Для обоснования проблематики автором данного исследования рассматривается пример: в 2019 году Центральный банк Бразилии разработал матрицу приоритетов из набора объективных показателей, чтобы определить, какие контролируемые субъекты должны быть приоритетными в планировании ежегодного надзора. Для этого банк использовал машинное обучение для улучшения матрицы приоритетов в рамках риск- ориентированного подхода. Техника безнадзорного обучения используется для расчета уровня риска контролируемых субъектов успешно.

Однако успешное применение данного подхода зависит от взаимодействия соответствующих контролирующих органов и правоохранительных органов как внутри России, так и на международном уровне.

Ввиду обострения геополитической обстановки в мире автор оценивает риск исключения Российской Федерации из ФАТФ, что в последствии может воспрепятствовать применению данного подхода в реальном времени. Автор приходит к выводу, что риск исключения России из членов ФАТФ низкий и необходимо внедрить более широкую имплементацию данного подхода на территории Российской Федерации.

Ключевые слова: отмывание денег; финансирование терроризма; экономическая безопасность; искусственный интеллект; риск-ориентированный подход; новые технологии

Budanitsky Anton Vladlenovich

Modern mechanisms for ensuring counteraction to legalization of proceeds from crime and financing of terrorism: a risk-based approach

Abstract

противодействие легализация доход преступный

This scientific publication considers the need for the introduction, optimization and further use of new technologies (artificial intelligence) as part of a risk-based approach in order to increase the economic security of the Russian Federation, the author believes that the use of artificial intelligence will improve the process of analyzing, assessing and managing risks in order to develop more effective and expedient measures to combat and combat money laundering and terrorist financing. Particular attention is paid to the benefits of using new technologies in the field of economic security, as well as the need to replace the classical approach to risk assessment with a new approach. This approach is developed and regulated by the Financial Action Task Force on Money Laundering (FATF). To substantiate the problem, the author of this study considers an example: in 2019, the Central Bank of Brazil developed a priority matrix from a set of objective indicators to determine which controlled entities should be prioritized in annual supervision planning. To do this, the bank used machine learning to improve the priority matrix as part of a risk-based approach. The unsupervised learning technique is used to calculate the risk level of controlled subjects successfully.

However, the successful application of this approach depends on the interaction of the relevant regulatory authorities and law enforcement agencies both within Russia and at the international level.

In view of the aggravation of the geopolitical situation in the world, the author assesses the risk of exclusion of the Russian Federation from the FATF, which may subsequently prevent the application of this approach in real time. The author comes to the conclusion that the risk of exclusion of Russia from the FATF membership is low and it is necessary to introduce a wider implementation of this approach on the territory of the Russian Federation.

Keywords: money laundering; terrorist financing; economic security; artificial intelligence; risk-based approach; new technologies

Введение

Отмывание денег и финансирование терроризма -- две связанные проблемы, которые могут иметь серьезные социально-экономические последствия для безопасности страны.

Актуальность темы исследования обусловлена необходимостью внедрения риск-ориентированного подхода с использованием технологий искусственного интеллекта, т. к. данный способ обеспечения противодействия отмыванию денег и финансированию терроризма помогает решить несколько глобальных проблем, возникающих из-за угрозы ОД/ФТ:

* Влияние на экономику: отмывание денег и финансирование терроризма могут угрожать экономической стабильности страны. Это может привести к сокращению инвестиций, усилению инфляции и другим негативным экономическим последствиям. Эти последствия в свою очередь могут оказать влияние на общество: повышение уровня безработицы, снижение качества жизни и уровня жизни населения.

* Влияние на социальную структуру: деньги, полученные от незаконной деятельности, и используемые для отмывания денег, могут привести к социальному неравенству, поскольку преступные группы и их члены повышают уровень своего благосостояния за счет преступной деятельности. Это может усугубить социальное неравенство и социальные напряжения в обществе.

* Влияние на политическую систему: если отмывание денег и финансирование терроризма не контролируются, они могут подорвать доверие общества к правительству и политической системе страны. Это может привести к политической нестабильности и потере доверия населения к демократическим процессам.

Существуют различные способы противодействия этим проблемам, которые включают в себя законодательные меры, усиление надзора за финансовыми операциями и повышение уровня прозрачности в финансовой системе.

Ключевым вопросом является сотрудничество различных государственных органов, банков и других финансовых учреждений, а также международное сотрудничество с Российской Федерации в текущих условиях, чтобы остановить глобальные сети отмывания денег и финансирования терроризма.

Данная статья предлагает рассмотреть данные проблемы в Российской Федерации и мире не с позиции аналитики «AS-IS» и способов решения проблем «здесь и сейчас», а с точки зрения анализа будущих вероятных рисков и способов их нивелирования в области ПОД/ФТ.

Целью исследования является формирование мнения о целесообразности и эффективности применения риск-ориентированного подхода с использованием искусственного интеллекта в сфере обеспечения противодействия отмыванию денег и финансирования терроризма с целью повышения уровня экономической безопасности Российской Федерации, определить уровень риска исключения Российской Федерации из членов ФАТФ.

Объектом исследования является обеспечение ПОД/ФТ в Российской Федерации.

Предметом исследования являются проблемы, возникающие при постановке риска и его нивелирования с помощью искусственного интеллекта.

Методы и материалы

При написании данного исследования использовались методы: сравнительный, сравнительный анализ научных исследований и статей.

Для достижения цели в работе были поставлены следующие задачи:

* рассмотрение вопросов использования риск-ориентированного подхода с элементами искусственного интеллекта в сфере обеспечения ПОД и ФТ;

* оценка рисков по исключению России из членов ФАТФ.

Исследование основывается на теоретических и методологических положениях, разработанных отечественными авторами, на научных статьях отечественных и иностранных авторов.

Различные аспекты противодействия отмывания денег и борьбы с терроризмом рассмотрены в работах Глотова В.И., Игорис К. [1], Урусовой Л.Х., Ковтун Н.А. [2].

Вопросы рисков и риск-ориентированного подхода были отражены в работах Карповой Е.Н., Чумаченко Е.А., Коновалова А.А. [3], Макарейко Н.В. [4].

Специфика применения искусственного интеллекта в области борьбы с преступностью и в сфере экономической безопасности представлена в работах Зоз В.А., Шроль А.Р. [5], Желудкова М.А. [6], Хань К. [7], Лащенко Р.А. [8], Казанцевой С.Ю., Казанцева Д.А. [9].

Информационной базой исследования послужили Конституция Российской Федерации, Федеральные законы Российской Федерации, указы Президента Российской Федерации, постановления и распоряжения, Правительства Российской Федерации, прочие нормативноправовые акты, научные труды отечественных ученых, Интернет-ресурсы (официальные сайты) и зарубежные источники по тематике работы.

Результаты и обсуждения

Одним из основных препятствий, мешающих эффективному внедрению мер по противодействию отмыванию денег и финансированию терроризма (далее -- ПОД/ФТ), является неполное понимание угроз и рисков отмывания денег и финансирования терроризма (далее -- ОД/ФТ). Принятие решений, основанных на недостаточной оценке риска, может быть неточным и неуместным.

Неспособность надлежащим образом идентифицировать, оценивать и снижать риски отмывания денег и финансирования терроризма, в т. ч. основные элементы идентификации рисков (идентификация/проверка клиента и мониторинг транзакций), является препятствием для эффективности в ПОД/ФТ. Внедрение новых технологий (искусственного интеллекта) поспособствует улучшению в определении риска в данной сфере [10].

Большинство решений по оценке и управлению рисками основаны на комбинации автоматизированных и статических анализов заранее определенного набора факторов риска в комбинации с человеческим суждением. Устаревшие системы обновляются с помощью новых алгоритмов и вручную вводимой информации, создавая матрицы для интерпретации риска и действий. Однако данный подход редко дает реальное представление о рисках в реальном времени. Более того, традиционные инструменты оценки рисков, основанные на таблицах (таких как Excel) или статических платформах отчетности, не позволяют анализировать данные в больших масштабах, ограничивая потенциал для корреляций и анализа.

Кроме того, качество данных, полученных от устаревших систем, непоследовательно и может не обеспечивать точности и детализации, необходимых для соответствия стандартам ПОД/ФТ.

В частном секторе ненадлежащая оценка рисков может привести к «защитному» применению мер ПОД/ФТ, что не будет являться эффективным подходом, и, что более важно, не будет отражать реальных угроз ОД/ФТ для учреждений. Ненадлежащая оценка рисков исключает верный подход к принятию решений. Это потенциально способствует двум проблемам: недостатку внимания к нивелированию новых рисков (позволяя ОД и ФТ осуществляться), и чрезмерному применению мер по снижению риска в ситуациях с низким риском, где могут быть уместны упрощенные меры реагирования (вызывая ненужные затраты и прочие обременения). Использование новых технологий в идентификации, оценке и управлении рисками ОД и ФТ позволяет анализу рисков быть более динамичным и гибким, предоставлять сетевой анализ и работать на уровне субъекта, института, юрисдикции и на трансграничном уровне. Однако оптимальное использование этих инструментов требует регулятивной и политической среды, которая обеспечивает надлежащее объединение данных и обмен ими, или совместный анализ, а также соответствующий доступ контролирующих органов и правоохранительных органов как внутри России, так и на международном уровне.

Трудности в идентификации, понимании и управлении рисками негативно влияют как на государственный, так и на частный сектор. Анализ отчетов о взаимной оценке (MERs) четвертого раунда ФАТФ¹ показал, что многие надзорные органы до сих пор не могут проводить надлежащую и комплексную оценку рисков подконтрольных субъектов на отраслевом или на институциональном уровнях. Анализированные отчеты о взаимной оценке говорят о том, что многие надзорные органы не в состоянии собирать и обрабатывать данные из-за нехватки ресурсов и инструментов. У некоторых надзорных органов нет необходимого механизма обновления оценки рисков, необходимого для применения риск-ориентированного подхода и для предоставления корректной обратной связи контролируемым субъектам.

Несмотря на то, что количество решений для цифровой идентификации и мониторинга в области ПОД/ФТ увеличивается, и число компаний, работающих в сфере регуляторных технологий растет, по-прежнему существует значительное отставание в возможностях надзорных органов и регуляторов в применении этих технологий.

Многие юрисдикции продолжают применять в основном системы, основанные на классическом подходе в сфере ПОД/ФТ. Аналогично, частный сектор продолжает испытывать трудности с применением риск-ориентированного подхода, предпочитая более затратный и малоэффективный подход к ПОД/ФТ².

Новые знания и осведомленность о рисках, позволяющие снижать и определять риски более точно, имеют решающее значение для эффективного применения стандартов ФАТФ.

Традиционный подход привел к «защитному» соблюдению требований, а не к применению различных мер по снижению рисков на разных уровнях.

Неприменение риск-ориентированного подхода в области ПОД/ФТ является результатом регулятивной или операционной неопределенности и/или недостатка доверия к применяемым стратегиям и механизмам. Государственный и частный сектора могут не доверять своим собственным оценкам риска из-за их неполного понимания текущей обстановки, недостатка информации и данных, а также отсутствия ресурсов и инструментов для проведения надежных, актуальных и всеобъемлющих оценок риска.

Способность собирать и обрабатывать данные, а также делиться ими с заинтересованными сторонами, могла бы принести значительные преимущества в этой области, так как это поспособствовало бы более качественной работе по выявлению и отражению рисков.

Применение машинного обучения и других инструментов на основе ИИ, которые позволяют проводить в реальном времени, быстрый и более точный анализ данных, может предложить решение вышеупомянутых проблем. Такие инструменты могут частично или полностью автоматизировать процесс анализа риска, позволяя учитывать больший объем данных и идентифицировать возникающие риски. Такие инструменты также могут предложить альтернативный способ идентификации рисков, фактически действуя как полузависимая проверка выводов традиционного подхода. Даже когда выводы, сделанные с помощью таких инструментов, совпадают с результатами традиционного анализа риска, это подтверждение может убедить участников в полноте и точности их оценок.

Таким образом, машинное обучение может повысить уровень уверенности субъектов при применении способов, основанных на данной оценке риска, и позволить им более уверенно обосновывать использование таких мер. Автоматизированные инструменты оценки риска также могут быть более доступны для аудита и обеспечивать большую объективность. Внедрение новых технологий для решения этих вопросов требует технической вовлеченности.

Активное использование новых технологий надзорными органами способствует повышению эффективности в сфере ПОД/ФТ путем улучшения надзорных возможностей [11].

Преимущества новых технологий для надзорных органов включают способность:

1. Надзирать за большим числом субъектов.

2. Лучше идентифицировать и понимать риски, связанные с различными секторами и отдельными субъектами.

3. В режиме реального времени контролировать соблюдение стандартов ПОД/ФТ и принимать меры в случае нарушений.

4. Более продуктивно общаться с контролируемыми субъектами и осуществлять дополнительные запросы информации.

5. Хранить, обрабатывать и работать с большим объемом надзорных данных.

6. Обмениваться информацией с другими компетентными органами.

7. Преимущества для частного сектора включают способность.

8. Лучше идентифицировать, понимать и управлять рисками отмывания денег и финансирования терроризма.

9. Обрабатывать и анализировать большие наборы данных быстрее, точнее.

10. Становиться более подходящим субъектом для аудита и управления.

11. Снижать затраты и максимально использовать человеческие ресурсы в более сложных областях ПОД/ФТ.

12. Улучшать качество подачи отчетов о подозрительной активности.

Элемент своевременности и способность постоянно анализировать и обновлять данные без необходимости человеческого вмешательства является ключевым преимуществом, в частности, по отношению к устаревшим системам и способности обновлять записи субъектов. Это особенно актуально для инструментов обработки языка, которые позволяют сопоставлять записи субъектов, несмотря на различия в написании или ошибку при первоначальном вводе данных.

В этом же отчете о взаимной оценке ФАТФ, какие технологии имеют наибольший потенциал для повышения эффективности ПОД/ФТ. Ответы определили ИИ (включая инструменты машинного обучения и обработки естественного языка), программные интерфейсы приложений (API), как наиболее перспективные [12].

Распределенная регистрационная технология (DLT) (или технология блокчейна) также была упомянута в отчете о взаимной оценке ФАТФ как потенциально релевантная, но была менее привлекательна для респондентов отчета³.

Искусственный интеллект использует передовые вычислительные методы для получения информации из различных типов, источников и различного качества (структурированных и неструктурированных) данных, чтобы автономно решать проблемы и выполнять задачи. Существует несколько типов искусственного интеллекта, которые работают (и достигают) различных уровней автономии, но в целом системы искусственного интеллекта объединяют намеренность, интеллект и адаптивность [13].

Машинное обучение -- это тип (подмножество типов) искусственного интеллекта, который «обучает» компьютерные системы на основе данных, определять закономерности и принимать решения с минимальным человеческим вмешательством. Машинное обучение включает в себя разработку последовательности действий для автоматического решения проблемы на основе опыта и развивающихся алгоритмов распознавания образов с ограниченным или без человеческого вмешательства, т. е. это метод анализа данных, который автоматизирует создание аналитической модели.

Считается, что машинное обучение предлагает наибольшие преимущества за счет своей способности учиться на основе уже существующих систем, уменьшая необходимость ручного ввода в процесс мониторинга, уменьшая количество ложных срабатываний и выявляя сложные случаи, а также облегчая управление рисками [14].

В 2019 году Центральный банк Бразилии разработал⁴ матрицу приоритетов из набора объективных показателей, чтобы определить, какие контролируемые субъекты должны быть приоритетными в планировании ежегодного надзора. Эта матрица приоритетов впервые была использована в 2020 году в качестве основы для планирования надзора на 2021 год (в качестве прототипа). Центральный банк Бразилии использует машинное обучение для улучшения матрицы приоритетов в рамках риск-ориентированного подхода. Техника безнадзорного обучения используется для расчета уровня риска контролируемых субъектов⁵.

Применение машинного обучения полезно для обнаружения аномалий и ошибок, идентификации и устранения дублирующей информации для улучшения качества данных и анализа. Например, глубокое обучение (DL) -- это передовой тип машинного обучения, в котором искусственные нейронные сети (алгоритмы, сопоставимые с человеческим мозгом) с большим количеством «глубоких» слоев обучаются на больших объемах данных в высокой степени автономности. Алгоритмы глубокого обучения выполняют задачу многократно, каждый раз немного корректируя ее для улучшения результата, что позволяет машинам решать сложные проблемы без человеческого вмешательства [15].

Однако дальнейшая стандартизация, внедрение и оптимизация работы механизмов ФАТФ в Российской Федерации может не получить дальнейшее развитие так как «Киев призывает внести Россию в черный список международного органа по борьбе с отмыванием денег»⁶.

Россия может попасть в черный список ФАТФ. Украина настаивает на этом шаге, который оборвет последние нити, связывающие Россию с глобальной финансовой системой. По данным Bloomberg⁷, Россия серьезно относится к этой угрозе и оказывает давление на другие страны-участницы, чтобы предотвратить это, утверждая, что отменит сделки по обороне и энергетике, если мера будет принята.

ФАТФ собирается в Париже с 19 по 23 июня. Международная группа, созданная в 1989 году G7, использует такие мероприятия для обсуждения того, насколько эффективно законодательство и принудительное исполнение любой данной страны соответствуют рекомендациям по борьбе с отмыванием денег. Россия вступила в ФАТФ в 2003 году, но членство было приостановлено из-за специальной военной операции на Украине».

На встрече в Париже участники определят свой «черный» и «серый» списки стран в соответствии с уровнем соблюдения международных требований для участия. Любое государство из черного списка (в настоящее время Иран, Мьянма и Северная Корея) фактически отрезано от международных банковских систем и может проводить финансовые операции только через посредников. Попадание в черный список означает, что ФАТФ считает, что Россия не соблюдает правила противодействия отмыванию денег, что регуляторам отказано в доступе к банковским записям и физическому доступу к информации⁸.

«Серый» список, который чаще всего пересматривается, состоит из государств, которые, в теории, поддерживают рекомендации по борьбе с отмыванием денег и готовы пересмотреть свои законы и практики. Пока они этого не сделают, финансовые операции с субъектами из этих стран подвергаются усиленной проверке. На практике это означает, что некоторые операции не могут быть обработаны, а другие занимают гораздо больше времени. Это приводит к увеличению затрат на транзакции, которые отражаются в затратах на инвестиции страны и даже в ее кредитном рейтинге.

Однако такие налоговые убежища, как Каймановы острова, Барбадос и Панама, находятся в сером списке уже много лет. По-видимому, доходы, которые они получают от «непрозрачной» деятельности, превышают потенциальные выгоды от соблюдения правил ФАТФ.

В одном из российских документов, отправленных индийским чиновникам, призывается к противостоянию украинским попыткам включить Россию в черный список стран. В документе также говорится, что даже если Россия попадет только в серый список, это вызовет трудности для всех сторон.

Российская Федерация также недовольна тем, что иностранные государства игнорируют запросы от Росфинмониторинга в рамках собственных расследований по отмыванию денег. Росфинмониторинг был создан специально для обеспечения соблюдения правил ФАТФ, однако недружественные страны начинают игнорировать запросы из России о «преступлениях или преступниках, совершенных или находящихся на их территории государства». Ведомство не уточнило, о каких государствах идет речь.

После сообщения Bloomberg о попытках России предотвратить попадание в черный или серый список, украинский министр финансов Сергей Марченко обвинил Россию в шантаже и политическом давлении на страны-члены группы. По мнению Украины, Россия нарушает правила организации, сотрудничает с Ираном и КНДР в нарушение санкций ООН и финансирует терроризм.

ФАТФ приостановил членство России в прошлом году из-за ее агрессии против Украины и сделок по продаже оружия со странами, находящимися под санкциями ООН.

Однако Россия все еще соблюдает все международные требования в борьбе с отмыванием денег и финансированием терроризма.

Россия уже однажды попадала в черный список ФАТФ -- в 2000 году ФАТФ составил список из 25 «красных флагов» в бюрократических и бизнес-практиках, которые могут указывать на нежелание страны бороться с отмыванием денег. У России было обнаружено 10 из этих 25 «красных флагов», и в результате она попала в черный список. Однако впоследствии Россия приняла ряд законодательных мер, чтобы устранить эти проблемы и была исключена из списка в 2002 году⁹.

Шансы России попасть в черный список минимальны. Такой шаг гарантировал бы прекращение существующих экспортных потоков из России, включая нефть, зерно, уран, металлы и удобрения. Снижение экспорта этих товаров привело бы к глобальному росту цен и всплеску инфляции. Кроме того, нет формальных оснований для включения России в черный список. Несмотря на приостановление членства, Москва продолжает выполнять свои обязательства перед ФАТФ. Сама организация стремится к нейтральности и старается избегать обвинений в политической мотивированности.

Таким образом, включение в серый список также маловероятно, т. к. российские финансовые учреждения все еще выполняют свои обязательства перед ФАТФ, и законодательство России не изменилось.

Выводы

В данном исследовании был рассмотрен риск-ориентированный подход с использованием технологий искусственного интеллекта в сфере противодействия отмыванию денег и финансирования терроризма в целях повышения экономической безопасности Российской Федерации.

Целью данного исследования было формирование мнения о целесообразности и эффективности применения риск-ориентированного подхода с использованием искусственного интеллекта в сфере обеспечения противодействия отмыванию денег и финансирования терроризма. В рамках исследования были получены следующие выводы:

1. Неспособность адекватно идентифицировать, оценивать и снижать риски отмывания денег и финансирования терроризма является препятствием для эффективности в ПОД/ФТ. Для более точной оценки рисков необходимо отходить от традиционной системы обеспечения ПОД/ФТ, используя более современные и сложные подходы, такие как искусственный интеллект.

2. Активное использование новых технологий надзорными органами способствует повышению эффективности в сфере ПОД/ФТ путем улучшения надзорных возможностей.

3. Государственный и частный сектора могут не доверять своим собственным оценкам риска из-за их неполного понимания текущей обстановки, недостатка информации и данных, а также отсутствия ресурсов и инструментов для проведения надежных, актуальных и всеобъемлющих оценок риска. Применение машинного обучения и других инструментов на основе ИИ, которые позволяют проводить в реальном времени, быстрый и более точный анализ данных, может предложить решение вышеупомянутых проблем.

4. Использование искусственного приводит к минимизации вовлечения человеческого ресурса в процесс оценки рисков, что ведет к более целесообразному использованию человеческого ресурса в области ПОД/ФТ.

Исходя из изложенных выше тезисов, можно сделать вывод о необходимости и целесообразности применения риск-ориентированного подхода с использованием технологий искусственного интеллекта в области обеспечения противодействия отмыванию денег и финансирования терроризма в целях повышения экономической безопасности Российской Федерации.

Вторая часть данного исследования была посвящена анализу риска исключения Российской Федерации из членов ФАТФ или включения в «серый» список Организации.

Ввиду всей проанализированной информации можно сделать следующие выводы по этому вопросу:

1. Шансы России быть исключенной минимальны. Такой шаг гарантировал бы прекращение существующих экспортных потоков из России, включая нефть, зерно, уран, металлы и удобрения. Снижение экспорта этих товаров привело бы к глобальному росту цен и всплеску инфляции на международном уровне.

2. Также риск исключения оценивается как низкий т. к. Российская Федерация, несмотря на приостановление членства, продолжает выполнять свои обязательства перед ФАТФ. Формального повода для исключения нет.

Литература

Глотов В.И., Игорис К. Меры по снижению рисков отмывания денег и финансирования терроризма при осуществлении операций с виртуальными валютами, установленные в правовых актах Европейского союза и государств- членов Европейского союза // Вестник Российского экономического университета имени Г.В. Плеханова. -- 2020. -- Т. 17. -- № 2(110). -- С. 168179.

Урусова Л.Х., Ковтун Н.А. Отмывание денег как мировая проблема при финансировании терроризма // Юристъ-Правоведъ. -- 2022. -- № 2(101). -- С.142-149.

Карпова Е.Н., Чумаченко Е.А., Коновалов А.А. Новые риски отмывания денег и финансирования терроризма в условиях цифровизации экономики // Управленческий учет. -- 2022. -- № 3-2. -- С. 271-278.

Макарейко Н.В. Риск-ориентированный подход при осуществлении контроля и надзора // Юридическая техника. -- 2019. -- № 13. -- С. 225-229.

Зоз В.А., Шроль А.Р. Использование технологий искусственного интеллекта в правоохранительных органах // Ученые записки Крымского федерального университета имени В.И. Вернадского. Юридические науки. -- 2021. -- Т. 7. -- № 2. -- С. 200-203.

Желудков М.А. Обоснование необходимости адаптации деятельности правоохранительных органов к условиям цифровой трансформации преступной среды // Lex russica. -- 2021. -- № 4(173). -- С. 63-70.

Хань К. Применение искусственного интеллекта для противодействия отмыванию денег // ^временные тенденции развития инвестиционного потенциала в России. -- 2021. -- С. 173-177.

Лащенко Р.А. Использование систем искусственного интеллекта и машинного обучения в целях предупреждения преступлений в сфере легализации (отмывания) денежных средств или иного имущества, приобретенного преступным путем // Научное обозрение. -- 2021. -- С. 216-219.

Казанцева С.Ю., Казанцев Д.А. Практика применения и перспективы развития технологий искусственного интеллекта и робототехники в сфере финансового контроля // Вопросы инновационной экономики. -- 2021. -- Т. 11. -- № 2. -- С. 553-564.

Прасолов В.И., Систематизация рекомендаций по совершенствованию организационно-методического и нормативно-правового обеспечения системы ПОД/ФТ / Прасолов В.И., Ефимов С.В., Мясищева Е.Р. // Финансовая жизнь, 2020. -- № 1. -- С. 9-12.

Сидоров Б.В. Отмывание доходов от преступной деятельности: понятие, международно-правовая и уголовно-правовая регламентация и вопросы совершенствования российского уголовного законодательства // Ученые записки Казанского университета. Серия Гуманитарные науки. -- 2007. -- Т. 149. -- № 6. -- С. 242-253.

Трунцевский Ю.В. Мировой и зарубежный опыт ПОД/ФТ в сфере финансовых технологий // Международное публичное и частное право. -- 2018. -- № 4. -- С. 27-30.

Прасолов В.И. Международный опыт построения системы ПОД/ФТ в современных условиях // Угрозы и риски финансовой безопасности в контексте цифровой трансформации. -- 2021. -- С. 314-333.

Кабанова Н.А., Комиссарова Д.А. Анализ нарушений законодательства в сфере ПОД/ФТ профессиональными участниками рынка ценных бумаг и способов их предупреждения // Транспортное дело России. -- 2018. -- №. 3. -- С. 3-4.

Боташева Л.Х., Головенкин А.С. Роль подразделений комплаенс-контроля в области минимизации рисков ПОД/ФТ // Экономика: вчера, сегодня, завтра. -- 2020. -- Т. 10. -- № 10-1. -- С. 240-246.

Размещено на Allbest.ru