АНАЛІЗ ПАТЕНТНОЇ ІНФОРМАЦІЇ ЩОДО ІННОВАЦІЙНИХ ТЕХНОЛОГІЙ У ЦАРИНІ ВИЯВЛЕННЯ ФІНАНСОВОГО ШАХРАЙСТВА, ЗАПОБІГАННЯ ТА ПРОТИДІЇ ЙОМУ

##plugins.themes.bootstrap3.article.sidebar##

PDF (англійська)
Опубліковано: 30-12-2024
Тест плагіна: Дату в логах не знайдено
DOI: https://doi.org/10.55643/ser.4.54.2024.586
Ключові слова:
патентний аналіз, інноваційні технології, фінансове шахрайство, інтелектуальна власність, технологічні інновації, запобігання шахрайству, патент, фінансова безпека, аналіз даних, кібербезпека

Номер

Том 4 № 54 (2024): СОЦІАЛЬНО-ЕКОНОМІЧНІ ВІДНОСИНИ В ЦИФРОВОМУ СУСПІЛЬСТВІ

Розділ

Підприємництво, бізнес-технології та інновації в умовах цифрової трансформації соціально-економічних відносин
Як цитувати
Дахер, К., Петренко, К., Філатова, Г., Боронос, В., & Касьян, І. (2024). АНАЛІЗ ПАТЕНТНОЇ ІНФОРМАЦІЇ ЩОДО ІННОВАЦІЙНИХ ТЕХНОЛОГІЙ У ЦАРИНІ ВИЯВЛЕННЯ ФІНАНСОВОГО ШАХРАЙСТВА, ЗАПОБІГАННЯ ТА ПРОТИДІЇ ЙОМУ. Socio-Economic Relations in the Digital Society, 4(54), 59-70. https://doi.org/10.55643/ser.4.54.2024.586
Creative Commons License

Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.

Ця стаття опублікована  відповідно до стандартів відкритого доступу та розповсюджується за ліцензією Creative Commons Attribution 4.0 International (CC BY 4.0), яка дозволяє необмежене використання, розповсюдження та відтворення змісту на будь-якому носії, за умови зазначення оригінального автора та джерела.

##plugins.themes.bootstrap3.article.main##

Катерина Дахер
к.пед.н., доцент кафедри готельно-ресторанного менеджменту, Ліванський міжнародний університет, Бейрут, Ліва́н , PhD in Pedagogical Sciences, Associate Professor of the Department of Hospitality Management, Lebanese International University, Beirut, Lebanon
Каріна Петренко
кафедра економічної кібернетики, Сумський державний університет, Суми, Україна , Department of Economic Cybernetics, Sumy State University, Sumy, Ukraine
Ганна Філатова
доктор філософії з економічних наук, кафедра бухгалтерського обліку та оподаткування, Сумський державний університет, Суми, Україна , PhD in Economics, does not have of the Department of Accounting and Taxation, Sumy State University, Sumy, Ukraine
https://orcid.org/0000-0002-7547-4919
Володимир Боронос
к.е.н., професор кафедри економічної кібернетики, Сумський державний університет, Суми, Україна , PhD in Economics, Professor of the Department of Economic Cybernetics, Sumy State University, Sumy, Ukraine
Ігор Касьян
аспірант, Сумський державний університет, Суми, Україна , PhD Student, Sumy State University, Sumy, Ukraine

Анотація

Сучасний фінансовий сектор стикається з масштабними викликами в боротьбі з шахрайством через зростання цифрових транзакцій, складність злочинних схем і розвиток кіберзагроз. У зв'язку з цим інноваційні технології виявлення фінансового шахрайства та протидії йому набувають вирішального значення для забезпечення економічної стабільності й довіри до фінансових установ. Метою дослідження є аналіз патентного ландшафту інноваційних технологій, спрямованих на ідентифікацію фінансових шахрайств і протидію їм, відмиванню коштів та легалізації незаконних доходів.
Запропонована методологія аналізу полягає в комплексному застосуванні підходів динамічного, тематичного географічного та суб’єктного аналізів. Результати базуються на використанні онлайн-інструмента GetFocus, що побудований на засадах ШІ та надає доступ до найбільших міжнародних патентних баз даних світу. Результати проведеного динамічного аналізу продемонстрували відносно незначну кількість патентів у розрізі досліджуваної тематики в усьому світі (4553 шт.), з яких майже половину патентів (49,7%) – було зареєстровано протягом 2023-2024 років. Таке зростання пояснене інтенсифікацією кіберзагроз протягом досліджуваного періоду. Визначено ключові тематичні напрями патентів: використання машинного навчання, штучного інтелекту, технологій блокчейн, прогнозне моделювання. Географічний аналіз продемонстрував, що країнами-лідерами в цій області є США, Китай та Індія, які демонструють найбільшу кількість зареєстрованих патентів. Суб’єктний аналіз засвідчив, що ключовими патентотримачами є такі компанії, як IBM Corp, Capital One Financial Corp, Mastercard Inc, які активно інвестують в інноваційні рішення в царині ідентифікації фінансових шахрайств, запобігання та протидії їм. Перспективними напрямами дослідження визначено дослідження патентів щодо інноваційних технологій у царині ідентифікації шахрайських дій із криптовалютними транзакціями, запобігання та протидії їм; проведення аналізу патентних даних за країнами та здійснення емпіричної оцінки впровадження запатентованих технологій на практиці, їх узгодження з наявними регуляторними вимогами.

##plugins.themes.bootstrap3.article.details##

Як цитувати

Дахер, К., Петренко, К., Філатова, Г., Боронос, В., & Касьян, І. (2024). АНАЛІЗ ПАТЕНТНОЇ ІНФОРМАЦІЇ ЩОДО ІННОВАЦІЙНИХ ТЕХНОЛОГІЙ У ЦАРИНІ ВИЯВЛЕННЯ ФІНАНСОВОГО ШАХРАЙСТВА, ЗАПОБІГАННЯ ТА ПРОТИДІЇ ЙОМУ. Socio-Economic Relations in the Digital Society, 4(54), 59-70. https://doi.org/10.55643/ser.4.54.2024.586

Посилання

Acar, A. Z., & Kara, K. (2023). Identifying the effects of corruption perception on the relationship between international trade and logistics performance in developing countries. Business, Management and Economics Engineering, 21(1), 63–83. https://doi.org/10.3846/bmee.2023.18676

Albrecht, C., Holland, D., Malagueño, R., Dolan, S., & Tzafrir, S. (2015). The role of power in financial statement fraud schemes. Journal of Business Ethics, 131(4), 803–813. https://doi.org/10.1007/s10551-013-2019-1

Andersen, T. B. (2009). E-Government as an anti-corruption strategy. Information Economics and Policy, 21(3), 201–210. https://doi.org/10.1016/j.infoecopol.2008.11.003

Asare, K., & Samusevych, Y. (2023). Exploring Financial Fraud, Tax Tools, and Economic Security Research: Comprehensive Bibliometric Analysis. Financial Markets, Institutions and Risks, 7(3), 136-146. https://doi.org/10.61093/fmir.7(3).136-146.2023

Barbu, L., Horobeț, A., Belașcu, L., & Ilie, A. G. (2024). Approaches to tax evasion: a bibliometric and mapping analysis of Web of Science indexed studies. Journal of Business Economics and Management, 25(1), 1–20. https://doi.org/10.3846/jbem.2024.20691

Bartoletti, M., Pes, B., & Serusi, S. (2018). Data mining for detecting Bitcoin Ponzi schemes. 2018 Crypto Valley Conference on Blockchain Technology (CVCBT). https://doi.org/10.1109/cvcbt.2018.00014

Bartulovic, M., Aljinovic, N., & Piplica, D. (2023), Determining the Relationship Between Corruption and Money Laundering. Montenegrin Journal of Economics, 19(2), 109-118. https://doi.org/10.14254/1800-5845/2023.19-2.9

Bashir, M. F., Ma, B., Xia, W., Shahzad, U., & Radulescu, M. (2022). Do economic openness and institutional quality influence environmental patents? Empirical evidence from South Asia. Environmental Engineering and Management Journal, 21(1), 49–61. https://doi.org/10.30638/eemj.2022.005

Bose, I., Piramuthu, S., & Shaw, M. J. (2011). Quantitative methods for detection of financial fraud. Decision Support Systems, 50(3), 557–558. https://doi.org/10.1016/j.dss.2010.08.005

Danėnas, P. (2015). Intelligent financial fraud detection and analysis: A survey of recent patents. Recent Patents on Computer Science, 8(1), 13–23. https://doi.org/10.2174/2213275907666141101001436

Djouadi, I., Zakane, A., & Abdellaoui, O. (2024). Corruption and Economic Growth Nexus: Empirical Evidence from Dynamic Threshold Panel Data. Business Ethics and Leadership, 8(2), 49-62. https://doi.org/10.61093/bel.8(2).49-62.2024

Ervits, I., & Zmuda, M. (2018). A cross-country comparison of the effects of institutions on internationally oriented innovation. Journal of International Entrepreneurship, 16(4), 486–503. https://doi.org/10.1007/s10843-018-0225-8

Geng, X., & Yang, D. (2021). Intelligent prediction mathematical model of industrial financial fraud based on data mining. Mathematical Problems in Engineering, article 8520094. https://doi.org/10.1155/2021/8520094

Glancy, F. H., & Yadav, S. B. (2011). A computational model for financial reporting fraud detection. Decision Support Systems, 50(3), 595–601. https://doi.org/10.1016/j.dss.2010.08.010

Gupta, A., Lohani, M. C., & Manchanda, M. (2023). Utilizing mathematical concepts of heat map for an intelligent and secure approach to efficiently detect credit card fraud. Journal of Interdisciplinary Mathematics, 26(8), 1837–1854. https://doi.org/10.47974/JIM-1761

Khachatryan, D., & Muehlmann, B. (2017). Determinants of successful patent applications to combat financial fraud. Scientometrics, 111(3), 1353–1383. https://doi.org/10.1007/s11192-017-2354-6

Lau, C. K. M., Yang, F. S., Zhang, Z., & Leung, V. K. K. (2015). Determinants of innovative activities: Evidence from Europe and Central Asia region. Singapore Economic Review, 60(1), 1550004. https://doi.org/10.1142/S0217590815500046

Lee, C.-C., Wang, C.-W., & Ho, S.-J. (2020). Country governance, corruption, and the likelihood of firms’ innovation. Economic Modelling, 92, 326–338. https://doi.org/10.1016/j.econmod.2020.01.013

Louzada, F., & Ara, A. (2012). Bagging k-dependence probabilistic networks: An alternative powerful fraud detection tool. Expert Systems with Applications, 39(14), 11583–11592. https://doi.org/10.1016/j.eswa.2012.04.024

Poddar, P., & Singh, S. K. (2022). Innovation and corruption: Dissecting causal linkage using patent application information from India. Singapore Economic Review, 67(3), 1147–1173. https://doi.org/10.1142/S0217590820450046

Shaju, B., & Valliammal, N. (2019). Measures for financial fraud detection using data analytics and machine learning. International Journal of Advanced Science and Technology, 28(17), 270–280. https://www.scopus.com/record/display.uri?eid=2-s2.0-85080117512&origin=resultslist&sort=r-f&src=s&sot=b&sdt=b&s=%28ALL%28patent%29+AND+TITLE-ABS-KEY%28financial+AND+fraud%29%29&sessionSearchId=64a98e544000738e729a7cfacff6aa88&relpos=7

Tang, J., Karim, K. E., & Cooper, B. (2019). Financial fraud detection and big data analytics: Implications on auditors’ use of fraud brainstorming session. Managerial Auditing Journal, 34(3), 324–337. https://doi.org/10.1108/MAJ-01-2018-1767

Tarjo, A., & Herawati, N. (2015). Application of Beneish M-score models and data mining to detect financial fraud. Procedia - Social and Behavioral Sciences, 211, 924–930. https://doi.org/10.1016/j.sbspro.2015.11.122

Wen, J., Zheng, M., Feng, G.-F., Chen, S. W., & Chang, C.-P. (2020). Corruption and innovation: Linear and nonlinear investigations of OECD countries. Singapore Economic Review, 65(1), 103–129. https://doi.org/10.1142/S0217590818500273

Zámek, D., & Zakharkina, Z. (2024). Research Trends in the Impact of Digitization and Transparency on National Security: Bibliometric Analysis. Financial Markets, Institutions and Risks, 8(1), 173-188. https://doi.org/10.61093/fmir.8(1).173-188.2024

Zhang, B., & Zhong, H. (2024). Do anti-corruption efforts improve corporate innovation? Evidence from China. Applied Economics, 1-15. https://doi.org/10.1080/00036846.2024.2386856

Zhang, Y., & Trubey, P. (2018). Machine Learning and Sampling Scheme: An Empirical Study of Money Laundering Detection. Computational Economics, 54(3), 1043–1063. https://doi.org/10.1007/s10614-018-9864-z

Zhou, X.-B., Wei, W., Jang, C.-L., & Chang, C.-P. (2019). The impacts of government R&D expenditure on innovation in Chinese provinces: What's the role of corruption? Buletin Ekonomi Moneter dan Perbankan, 21(3), 409–430. https://doi.org/10.21098/bemp.v21i3.977