Pénzmosás megelőzési módszerek, ezek fejlesztése gépi tanulással

Erhardt Máté (2025) Pénzmosás megelőzési módszerek, ezek fejlesztése gépi tanulással. Pénzügyi és Számviteli Kar.

	PDF Erhardt_Máté_JIX5GX.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (1MB)
	PDF BA_O_Erhardt_Máté.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (118kB)
	PDF Erhardt_Máté_Szakdolgozat-biralat-es-javaslat_KE.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (92kB)
	PDF Erhardt_Máté_JIX5GX.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (79kB)

Absztrakt (kivonat)

Szakdolgozatom célja a pénzmosás megelőzési szektorban használt megoldások felderítése, főként banki oldalról, a tranzakció monitoring rendszerekre fókuszálva. Felkutattam a szakma releváns jogi és történelmi hátterét, és ismertettem a napjainkban használt monitoring és egyéb módszereket. Kutatási kérdéseim főként az ilyen rendszerek statikus, emberi kézzel írt szabályokkal működő megoldásait hasonlítják össze a modern, gépi tanulásra alapozott osztályozással. Ezeknek hasonlítottam össze a hasznosságát, pontosságát és gyakorlatban való alkalmazhatóságát, szintetikusan generált adatok segítségével. Eredményként arra a következtetésre jutottam kutatásaim alapján, hogy a mesterséges intelligenciát alkalmazó megoldásokat egyre inkább érdemes figyelembe vennünk, ugyanis a jövőben rengeteget könnyíthetnek az ilyesfajta rendszerek az emberek munkáján, és mindez már napjainkban is folyamatosan egyre inkább igaz.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tanszék

Gazdaságinformatika Tanszék

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	21. század, bank informatikai rendszerei, gépi tanulás, pénzmosás, Python
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2025. Szep. 23. 13:03
Utolsó módosítás:	2025. Szep. 23. 13:03

Actions (login required)

Tétel nézet