請用此 Handle URI 來引用此文件:
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/50110
完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.advisor | 陳達仁(Dar-Zen Chen) | |
dc.contributor.author | Tsung-Hsien Wu | en |
dc.contributor.author | 吳宗憲 | zh_TW |
dc.date.accessioned | 2021-06-15T12:29:57Z | - |
dc.date.available | 2020-08-24 | |
dc.date.copyright | 2020-08-24 | |
dc.date.issued | 2020 | |
dc.date.submitted | 2020-08-14 | |
dc.identifier.citation | 一、 論文 1. 謝建國,2016,洗錢犯罪防制對策之研究,中央警察大學警察政策研究所博士論文。 2. 王聖傑,2018,洗錢行為之防制機制與金融監理,東吳大學法學院法律學系碩士班碩士論文。 3. 黃淑雯,2019年,我國洗錢防制機制及法令遵循之研究,國立臺北大學法律學系碩士論文。 4. 張偉賢,2019年,銀行業防制洗錢及打擊資恐監理規範之探討,中國文化大學法律學院法律學系碩士論文。 5. 王心汝,2018年,防制洗錢資料庫建置之研究,東吳大學經濟學系碩士論文。 6. 吳芳晏,2015年,台灣反洗錢現存問題及對策研究,國立臺灣大學商學研究所碩士論文。 7. 謝雪妮,2017年,銀行業防制洗錢及打擊資恐機制之實務探討,國立政治大學法學院碩士在職專班碩士論文。 8. 許鴻勇,2019年,區塊鏈法律關係之研究, 東吳大學法律學院法律學系碩士在職專班科技法律組碩士論文。 9. 謝雪妮,2017年,銀行業防制洗錢及打擊資恐機制之實務探討,國立政治大學法學院碩士在職專班碩士論文。 10. 胡林辳,2019年,植基於深度學習假新聞人工智慧偵測:台灣與美國真實資料實作,國立臺北大學資訊管理研究所碩士論文。 11. 劉秉鈞,2016年,人工智慧於模擬人類對話系統設計,逢甲大學自動控制工程學系碩士班碩士論文。 12. 簡妤如,2019年,從監管科技談金融管理,東吳大學法律學院法律學系法律專業碩士班碩士論文。 13. 張瀠心,2018年,論金融科技創新之監理法則,中國文化大學法律學院法律學系碩士論文。 14. 李建德,2018年,加密貨幣之洗錢防制研究,國立臺灣大學法律學院法律學研究所碩士論文。 15. 王聖傑,2018年,洗錢行為之防制機制與金融管理,東吳大學法律學院法律學系碩士論文 二、 書籍、期刊或報告 1. 藍家瑞,2008年,「2008年APG技術協助與訓練論壇-『金融分析技術(Financial Analysis Techniques) 』研究會報告」,行政院所屬各機關因公出國人員出國報告書,參加「亞太防制洗錢組織」第11屆年會(APG Annual Meeting 2008)出國報告,法務部調查局洗錢防制中心。 2. 黃淑君,2018年,「金融科技與監理科技之發展與應用:兼論IFRS 9 對銀行預期信用損失評估之影響」,中央銀行因公出國人員出國報告,參加香港中文大學「第6屆央行監理人員進階研習班」會議心得報告。 3. 蔡佩芬,2009年,反洗錢國際組織與司法互助議題之研究,國立高雄大學法學論叢,第5期,頁75,2009年9月。 4. 法務部調查局,2014年,洗錢防制工作年報(103)。 5. 劉金龍,2018年,證券商防制洗錢與打擊資恐實務,證券暨期貨月刊,第36卷第1期,2018年1月。 6. 蔡佩玲,2017年,洗錢防制法新法修正重點解析,收錄於新洗錢防制法-法令遵循實務分析,元照出版社,2017年8月。 7. 王任翔,2019年洗錢防制法銀行業實務挑戰,元照出版社,2019年9月。 8. 鄭志峰,2018年,機器人也是人:人工智慧時代的法律,元照出版有限公司,2018年5月。 9. 台灣金融研訓院編輯委員會,2018年,防制洗錢與打擊資恐實務與案例,財團法人台灣金融研訓院,2018年7月。 10. 法務部,2017年,防制洗錢及打擊資恐法規彙編,2017年8月。 11. 金融監督管理委員會,2016年,金融科技發展策略白皮書,2016年5月。 12. 月旦會計實務研究雜誌,2018年,月旦出版社,2018年6月。 13. 郭秋榮,2018年,全球金融科技之監理對我國之啟示,證券服務第664期,2018年4月。 三、 網路資料 1. 參照艾格蒙聯盟網站,http://eee.rgmontgroup.org/。 2. 工商時報,六大金融服務列高風險。https://www.chinatimes.com/newspapers/20180724000295-260205?chdtv。 3. 玉山金控官網,洗錢防制與打擊資恐管理機制及精進面向。https://www.esunfhc.com/zh-tw/csr/overview/governance/aml。 4. 工商時報,洗錢防制補網 保經也入列。https://www.chinatimes.com/newspapers/20171218000191-260202?chdtv。 5. ETtoday新聞雲,防洗錢法6/28上路 壽險業者乖乖上課做好法遵。https://www.ettoday.net/news/20170622/950968.htm。 6. 人工神經網路,維基百科, https://zh.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C。 7. 陳奕廷,「機器學習與人工神經網路(二):深度學習(Deep Learning)」,https://case.ntu.edu.tw/blog/?p=26340。 8. Michael A. Nielsen, Neural Networks and Deep Learning, Determination Press, (2015),轉引自陳奕廷,「機器學習與人工神經網路(一)」,https://case.ntu.edu.tw/blog/?p=26248。 9. 遠見雜誌,人工智慧 讓金融洗錢防制更完善。https://www.gvm.com.tw/article/45717。 10. 數位時代,把AI導入洗錢防制,敦陽科技、Synergies聯手幫銀行省下6成人力。https://www.bnext.com.tw/article/49223/ai-combine-aml-anti-money-laundering。 11. 行政院洗錢防制辦公室。https://www.amlo.moj.gov.tw/。 12. 法務部調查局洗錢防制處。https://www.mjib.gov.tw/mlpc。 13. 中華民國銀行商業同業公會全國聯合會。https://www.ba.org.tw/。 | |
dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/50110 | - |
dc.description.abstract | 國泰民安的一大表現,就是讓人民有安居樂業的環境,而犯罪者犯行的最大動機,就是能順利的使用犯罪所得,否則,犯罪行為將變成毫無意義。國家對於洗錢防制的作為,目的就是阻絕犯罪者順利使用犯罪所得,但是每天全世界有海量的金融交易紀錄,根本不可能以有限的人力去查核出洗錢行為,近年來,人工智慧的應用已經廣泛在各個領域中,雖然人工智慧技術目前尚屬初級,但是在實務上已經有其實用性。
文章內容先介紹洗錢行為的內涵及危險因子的表徵,國際間及我國目前洗錢防制的機構及運作模式,使建置洗錢防制人工智慧的工程師,能理解洗錢防制的邏輯為何,進而可以設計出適用於實務的人工智慧系統。 本文期待,將人工智慧引入洗錢防制中,利用人工智慧對於海量的金融交易紀錄加以查核,並自主不停地擴充、更正資料庫,使洗錢犯行的警示更加精確、廉價。然而,建置足夠效能運用於洗錢防制的人工智慧,在機器學習時,必須由工程師提供足夠且堪用的資料。本文即是將實務中可能表現出洗錢行為特徵的危險因子,區分為名單、地區、可疑金融機構交易等種類,加以列舉出,並希望將此類危險因子建立起的資料庫,供人工智慧利用,期使工程師能建置出最佳的洗錢防制人工智慧系統。 | zh_TW |
dc.description.abstract | An important mission of a wealthy and secure state is to provide its citizens with a healthy, secure and sustainable living environment. The greatest incentive for criminals to commit crimes is that they can profit from committing a crime. Otherwise, committing a crime would have been meaningless. Hence, an ideal mechanism for a state to prevent money laundering is to eliminate the possibilities for a criminal to benefit from the proceeds of a crime. Nevertheless, there are massive quantity of financial transactions taking places all around the world on a daily basis, and with limited manpower, it is impossible to identify every money laundering activity without assistance of advanced technology. In recent years, the application of artificial intelligence (AI) has been widely use in various fields. Although the AI technology is still in its infancy, it already has its practicability in many applications. This article covers the connotation of money laundering activities, the features of risk factors, the current international and domestic institutions of money laundering prevention, the operation modes to enable the engineers who establish AI for money laundering prevention to understand the logic behind, and finally how to design an AI system applicable to prevention practices. The ultimate goal of this paper is to promote the use of the AI technology in money laundering prevention, i.e. applying AI to examine the massive financial transaction records. The ability for AI technology to continuously, autonomously expand and update the database will enable the detections of money laundering activities to become more accurate, timely and cost-saving. In order to establish an AI technology specifically for money laundering prevention, the engineers must provide adequate and useful data during the course of machine learning. This paper also documented the risk factors while demonstrating the features of money laundering activity in practice, such as listing region and suspicious transactions of financial institution, etc. We hope to establish a database housing such risk factors for the use of AI, with a vision to building the best AI system for money laundering prevention. | en |
dc.description.provenance | Made available in DSpace on 2021-06-15T12:29:57Z (GMT). No. of bitstreams: 1 U0001-1108202015395200.pdf: 2809283 bytes, checksum: 42cee3c968612b4f5e8ffe79ed7384bf (MD5) Previous issue date: 2020 | en |
dc.description.tableofcontents | 目錄 誌謝 i 中文摘要 ii ABSTRACT iii 目錄 v 圖目錄 viii 表目錄 ix 第一章 緒論 1 第一節 研究背景 2 第二節 研究動機 3 第三節 研究目標 4 第二章 文獻探討 5 第一節 洗錢行為的基本概念 5 第二節 我國洗錢防制法規之演進 6 第三節 洗錢防制組織 7 第一項 國際組織 7 第二項 我國相關專責機構 12 第四節 我國法制與國際協定 15 第一項 我國法制 15 第二項 國際協定(以美國為例) 17 第五節 實務上洗錢防制現況 18 第一項 司法偵查機關 18 第二項 銀行業 18 第三項 保險業 19 第四項 證券期貨業 22 第六節 人工智慧實用 23 第三章 資料庫的建立 29 第一節 各種典型洗錢行為之介紹 29 第一項 虛擬貨幣洗錢 29 第二項 地下通匯 30 第三項 保險洗錢 31 第四項 證券洗錢 31 第五項 信用卡洗錢 31 第六項 收購他人帳戶或以虛偽資料開戶 32 第七項 透過金融體系匯洗出境 32 第八項 電子資金轉帳 33 第九項 現金轉匯、挪移,進行複雜金融交易 33 第十項 賭場 33 第十一項 藝術品買賣 33 第十二項 宗教洗錢 34 第二節 疑似洗錢行為之表徵 34 第三節 供洗錢防制人工智慧資料庫之資料蒐集來源 39 第一項 名單 39 第二項 地區 41 第三項 可疑金融機構交易 42 第四節 建立洗錢預測機器學習之訓練資料庫 43 第五節 人工智慧機器學習自行學習更新資訊 48 第四章 可行性分析 49 第一節 供金融情報中心(FIU)使用 49 第二節 供金融機構使用 50 第三節 完整洗錢防制對金融體系的益處 51 第五章 結論 53 第一節 研究貢獻 53 第二節 期待與建議 54 參考文獻 56 | |
dc.language.iso | zh-TW | |
dc.title | 可適用於人工智慧數據資料庫之洗錢行為表徵研究 | zh_TW |
dc.title | Establishing Characteristics of Money Laundry Behavior for Artificial Intelligence Database Application | en |
dc.type | Thesis | |
dc.date.schoolyear | 108-2 | |
dc.description.degree | 碩士 | |
dc.contributor.oralexamcommittee | 王俊傑(Chan-Ghieh Wang),翁順裕(Shun-Yu Weng) | |
dc.subject.keyword | 人工智慧,機器學習,資料庫,洗錢,金融情報中心, | zh_TW |
dc.subject.keyword | AI,Machine Learning,Database,Money Laundry,FIR, | en |
dc.relation.page | 58 | |
dc.identifier.doi | 10.6342/NTU202002965 | |
dc.rights.note | 有償授權 | |
dc.date.accepted | 2020-08-14 | |
dc.contributor.author-college | 工學院 | zh_TW |
dc.contributor.author-dept | 工業工程學研究所 | zh_TW |
顯示於系所單位: | 工業工程學研究所 |
文件中的檔案:
檔案 | 大小 | 格式 | |
---|---|---|---|
U0001-1108202015395200.pdf 目前未授權公開取用 | 2.74 MB | Adobe PDF |
系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。