Institutional Repository
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Artificial intelligence methodologies for the identication of financial Fraud: A literature review

Digenakis Panagiotis

Simple record


URIhttp://purl.tuc.gr/dl/dias/24C702E4-59C6-480D-B219-121AA23C3351-
Identifierhttps://doi.org/10.26233/heallink.tuc.92649-
Languageel-
Extent63 σελίδεςel
Extent757.6 kilobytesen
TitleΜεθοδολογίες τεχνητής νοημοσύνης για τον εντοπισμό της χρηματοοικονομικής απάτης : Μια βιβλιογραφική ανασκόπηση el
TitleArtificial intelligence methodologies for the identication of financial Fraud: A literature review en
CreatorDigenakis Panagiotisen
CreatorΔιγενακης Παναγιωτηςel
Contributor [Thesis Supervisor]Doumpos Michailen
Contributor [Thesis Supervisor]Δουμπος Μιχαηλel
Contributor [Committee Member]Zopounidis Konstantinosen
Contributor [Committee Member]Ζοπουνιδης Κωνσταντινοςel
Contributor [Committee Member]Atsalakis Georgiosen
Contributor [Committee Member]Ατσαλακης Γεωργιοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Production Engineering and Managementen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
Content Summary 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. el
Content SummaryFraud 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. en
Type of ItemΜεταπτυχιακή Διατριβήel
Type of ItemMaster Thesisen
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2022-07-08-
Date of Publication2022-
SubjectΕντοπισμός χρηματοοικονομικής απάτηςel
SubjectΣτατιστικές τεχνικέςel
SubjectΤεχνητή νοημοσύνη el
SubjectΧρηματοοικονομική απάτηel
Bibliographic CitationΠαναγιώτης Διγενάκης, "Μεθοδολογίες τεχνητής νοημοσύνης για τον εντοπισμό της χρηματοοικονομικής απάτης : Μια βιβλιογραφική ανασκόπηση ", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022el
Bibliographic CitationPanagiotis Digenakis, "Artificial intelligence methodologies for the identication of financial Fraud: A literature review ", Master Thesis, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2022en

Available Files

Services

Statistics