Μεθοδολογίες τεχνητής νοημοσύνης για τον εντοπισμό της χρηματοοικονομικής απάτης : Μια βιβλιογραφική ανασκόπηση Μεθοδολογίες τεχνητής νοημοσύνης για τον εντοπισμό της χρηματοοικονομικής απάτης : Μια βιβλιογραφική ανασκόπηση Artificial intelligence methodologies for the identication of financial Fraud: A literature review Μεταπτυχιακή Διατριβή Master Thesis 2022-07-082022el Η απάτη συνδέεται τόσο με το οργανωμένο έγκλημα όσο και με την τρομοκρατία και προκαλεί σημαντική οικονομική ζημιά. Από τις ποιο συνηθισμένες μορφές απάτης είναι η χρηματοοικονομική απάτη, η οποία μπορεί να διακριθεί σε κατηγορίες , όπως στην παραποίηση χρηματοοικονομικών παραστάσεων, στην φοροδιαφυγή και φορολογική απάτη, στην απάτη πιστωτικών καρτών, στο ξέπλυμα χρήματος, κτλ. Όσοι διαπράττουν απάτη παίζουν ένα δυναμικό παιχνίδι γάτας με το ποντίκι με όσους προσπαθούν να τους εμποδίσουν. Η αποτροπή ενός συγκεκριμένου είδους απάτης δεν σημαίνει ότι οι απατεώνες εγκαταλείπουν, απλώς αποστασιοποιούνται έως ότου δημιουργήσουν νέα τακτική. Συγκεκριμένα βρίσκονται συνεχώς σε επιφυλακή για νέες οδούς για απάτη, για νέες αδυναμίες στο σύστημα. Δεδομένου λοιπόν, ότι τα οικονομικά συστήματα αναπτύσσονται διαρκώς, υπάρχουν πάντα νέες ευκαιρίες προς εκμετάλλευση. Ο εντοπισμός της χρηματοοικονομικής απάτης γίνεται όλο ένα και πιο επιτακτικό ζήτημα, κατά καιρούς έχουν αναπτυχθεί διάφοροι μέθοδοι για τον εντοπισμό της. Στην παρούσα εργασία θα αναλυθούν οι μέθοδοι τεχνητής νοημοσύνης και ορισμένες στατιστικές τεχνικές. Fraud is linked to both organized crime and terrorism and causes significant economic damage. Among the most common forms of fraud is financial fraud, which can be distinguished into categories such as falsification of financial statements, tax evasion and tax fraud, credit card fraud, money laundering, etc. Those who commit fraud play a dynamic game of cat. with the mouse with those who try to block them. Preventing a particular type of fraud doesn't mean the fraudsters give up, they just distance themselves until they develop a new tactic. Specifically, they are constantly on the lookout for new avenues for fraud, for new weaknesses in the system. So given that economic systems are constantly developing, there are always new opportunities to exploit. Detecting financial fraud is becoming an increasingly pressing issue, various methods have been developed from time to time to detect it. In this paper, artificial intelligence methods and some statistical techniques will be analyzed. http://creativecommons.org/licenses/by/4.0/Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και ΔιοίκησηςDigenakis_Panagiotis_MSc_2022.pdfChania [Greece]Library of TUC2022-07-08application/pdf757.6 kBfree Digenakis Panagiotis Διγενακης Παναγιωτης Doumpos Michail Δουμπος Μιχαηλ Zopounidis Konstantinos Ζοπουνιδης Κωνσταντινος Atsalakis Georgios Ατσαλακης Γεωργιος Πολυτεχνείο Κρήτης Technical University of Crete Εντοπισμός χρηματοοικονομικής απάτης Στατιστικές τεχνικές Τεχνητή νοημοσύνη Χρηματοοικονομική απάτη