Secondo le ultime stime delle Nazioni Unite, le attività legate al riciclaggio di denaro nel mondo rappresentano una percentuale tra il 2 e il 5% del prodotto interno lordo mondiale, equivalente a 800/2.000 miliardi di dollari.
Per cercare di tenere a bada il proliferarsi di transazioni finanziarie sommerse, un team di informatici del King’s College di Londra ha creato uno strumento in grado di rilevare in modo rapido e accurato il riciclaggio di denaro scansionando 50 milioni di transazioni in meno di un secondo.
Il nuovo software si basa su algoritmi che identificano rapidamente i casi in cui i criminali dividono grandi somme di denaro in diverse transazioni più piccole tra molti conti bancari con la nota tecnica chiamata “smurfing”.
Secondo i ricercatori, gli algoritmi operano su dati raccolti da più conti bancari rappresentati come nodi su un grafico complesso su cui il software si concentra, rilevando l’attività più sospetta tra tali conti.
Considerato tre volte più efficace degli attuali metodi di rilevamento, che sono basati sull’apprendimento automatico, il nuovo software può identificare la soluzione migliore per rilevare le classificazioni comuni degli attacchi smurfing su milioni di quantità di dati.
“Il nostro strumento è anche più automatizzato e consente un’analisi dei dati molto più rapida di quella attualmente disponibile. Consentendo agli esperti di riciclaggio di denaro di esaminare grandi quantità di dati più velocemente che mai, possiamo consentire loro di individuare attori con cattive intenzioni in modo efficiente. Stiamo ora lavorando per migliorare ulteriormente lo strumento, con l’obiettivo di fornire una velocità maggiore rispetto agli approcci convenzionali ma con una precisione ancora maggiore.” dichiarano i ricercatori.
Inoltre, il software è open source, può essere utilizzato con quantità di dati notevolmente maggiori rispetto agli attuali metodi di rilevamento, avvisando le banche nel caso in cui rilevi attività sospette.
Lo strumento è descritto in dettaglio nello studio, Heavy Nodes in a Small Neighborhood: Algorithms and Applications, presentato agli Atti della Conferenza internazionale SIAM del 2023 sul data mining.
Foto di depositphotos
