Інтеграція Big Data, RegTech та штучного інтелекту в сучасних архітектурах для запобігання банківським шахрайствам
Капріан Юрій

Caprian, Iurie. (2026) “Integration of Big Data, RegTech, and Artificial Intelligence in Modern Architectures for Bank Fraud Prevention.” The Problems of Economy 1:223–228.
https://doi.org/10.32983/2222-0712-2026-1-223-228

Розділ: Фінанси та банківська справа

УДК 336.71:343.359.3

Анотація:
Банківське шахрайство за останнє десятиліття суттєво зросло як за рівнем складності, так і за масштабами, що змушує фінансові установи впроваджувати передові технологічні рішення для забезпечення операційної стійкості та фінансової стабільності. У статті досліджується інтеграція технологій великих даних (Big Data), регуляторних технологій (RegTech) та штучного інтелекту (AI) в єдину архітектуру запобігання банківському шахрайству, здатну обробляти великі обсяги транзакційних даних, автоматизувати процеси дотримання нормативних вимог і забезпечувати прогнозне виявлення шахрайських дій у режимі реального часу. Аналіз ґрунтується на огляді сучасної наукової літератури, регуляторних звітів і кейс-стаді провідних світових фінансових установ, які впровадили технологічно орієнтовані антишахрайські рішення. У дослідженні показано, що технології Big Data забезпечують масштабований збір і обробку даних, RegTech сприяє автоматизації процедур AML та KYC, а AI підвищує точність прогнозування завдяки методам машинного навчання та розпізнавання шаблонів. Отримані результати свідчать, що синергія цих технологій значно скорочує час реагування на шахрайство, підвищує точність виявлення аномалій і збільшує операційну ефективність за одночасного зниження витрат на комплаєнс. Водночас залишаються певні виклики, зокрема ризики алгоритмічної упередженості, проблеми якості даних та інтероперабельності, загрози кібербезпеці, а також потреба у прозорих і пояснюваних моделях штучного інтелекту. Крім того, відмінності між національними регуляторними системами ускладнюють транскордонне впровадження таких рішень. У висновку зазначається, що інтегрована архітектура Big Data–RegTech–AI є ефективною та стійкою стратегією сучасного запобігання банківському шахрайству за умови наявності належного управління даними, дотримання етичних принципів AI, регуляторної узгодженості та міжінституційної співпраці.

Ключові слова: запобігання банківському шахрайству, аналітика Big Data, RegTech, штучний інтелект, AML/KYC, виявлення аномалій, фінансова безпека.

Рис.: 1. Табл.: 2. Бібл.: 22.

Капріан Юрій – аспірант, Державний університет Молдови (вул. Олексія Матеєвича, 60, Кишинів, Молдова)
Email: iuriecaprian@gmail.com

Список використаних у статті джерел

Imran M. A. U. Combating Banking Fraud with IT: Integrating Machine Learning and Data Analytics. The American Journal of Management and Economics Innovations. 2024. Vol. 6. No. 07. P. 39–56. URL: https://inlibrary.uz/index.php/tajmei/article/view/36097
El Harras A., Salahddine A. RegTech and AI for Fraud Prevention in Banking: A Systematic Review. Journal of Financial Regulation and Compliance. 2025. Vol. 33. No. 1. P. 112–135.
Alvarado Zabala J., Martillo Alchundia I., Guzman Seraquive G. Literature review on Machine Learning techniques in bank fraud detection. Sapienza: International Journal of Interdisciplinary Studies. 2022. Vol. 3. No. 1. P. 719–727. URL: https://journals.sapienzaeditorial.com/index.php/SIJIS/article/view/257
Chauhan S., Singh R., Sharma P. AI-driven Fraud Detection: Trends, Challenges, and Implementation in Banking. International Journal of Financial Technology. 2023. Vol. 15. No. 2. P. 45–68.
Molnar C. Interpretable Machine Learning: A Guide for Making Black Box Models Explainable. Leanpub, 2023.
Caprian I. Modern Approaches to Bank Fraud. Univers Strategic. 2022a. Vol. 3. No. 51. P. 125–135.
Caprian I. The Innovative Activity of the Banks in the Republic of Moldova. RSES. 2022b. Vol. 7. P. 1–10. URL: https://rses.ince.md/items/7be37d18-62c3-485d-83ba-6b43e6376b1d
Caprian I. Particularitatile utilizarii machine learning in scopul detectarii fraudei bancare // Universitatea de Stat din Moldova. 2024a. URL: https://economy.studiamsu.md/nr-11-3/
Caprian I., Tirlea M. R. Fraud Risk Management in Banking Activities within Metaverse. Univers Strategic. 2024b. Vol. 3. No. 59. P. 69–78. URL: https://ibn.idsi.md/sites/default/files/imag_file/69-78_18.pdf
Caprian I., Tirlea M. R. The Banker of the Future: Characteristics and Trends. Knowledge-Based Organization. 2024c. Vol. 30. No. 2. P. 101–115. URL: https://reference-global.com/article/10.2478/kbo-2024-0057
Ali A., Abd Razak S., Othman S. H., Eisa T. A. E., Al Dhaqm A., Nasser M., Elhassan T., Elshafie H., Saif A. Financial Fraud Detection Based on Machine Learning: A Systematic Literature Review. Applied Sciences. 2022. Vol. 12. No. 19. Art. 9637.
Zanke P. AI Driven Fraud Detection Systems: A Comparative Study across Banking, Insurance, and Healthcare. Advances in Deep Learning Techniques. 2023. Vol. 3. No. 2. P. 1–22.
Bol S., Kros J. Machine learning for fraud detection in banking: A survey. Journal of Financial Technology. 2022. Vol. 10. No. 3. P. 145–167.
Chen Y., Wang G. Big Data Architectures for Real-Time Transaction Monitoring. International Journal of Data Analytics. 2021. Vol. 5. No. 2. P. 89–110.
European Banking Authority. RegTech Report: The Rise of Regulatory Technology in Banking. 2020.
FATF (Financial Action Task Force). Guidance on Digital Identity. 2019.
Goodfellow I., Bengio Y., Courville A. Deep Learning. MIT Press, 2016.
Kshetri N. Blockchain’s Roles in Strengthening Cybersecurity and Protecting Privacy. Telecommunications Policy. 2018. Vol. 42. No. 4. P. 319–335.
Lee J., Park S. Explainable AI for Anti Money Laundering: Opportunities and Challenges. AI & Law Review. 2023. Vol. 12. No. 1. P. 40–58.
McKinsey & Company. The Future of Financial Crime: Why Banks Are Investing in AI and Analytics. 2021.
OECD. RegTech for Financial Institutions: Benefits, Risks and Policy Implications. 2022.
Wamba S. F., Akter S. Big Data Analytics for Fraud Detection: A Review. Journal of Business Research. 2019. Vol. 102. P. 356–365.