SACCOの取引における詐欺パターンのAI主導の検出のための体系的なレビューと将来の方向性
Dalton Ampumuza1, Calorine Katushabe1, Micheal Tamale1
1Department of Computer Science, Faculty of Computing and Information Science, Kabale University, Kabale, Uganda.
Frontiers in artificial intelligence
|February 16, 2026
まとめ
貯蓄・信用協同組合 (SACCO) の詐欺は重要な問題である. このレビューでは,新興のデジタル詐欺と,機械学習による検出の可能性を強調し,よりよい詐欺の回復力のためのハイブリッドモデルを推奨しています.
科学分野:
- 金融犯罪学 金融犯罪学
- 情報システム セキュリティ セキュリティ
- 応用機械学習 (Applied Machine Learning) について
背景:
- 貯蓄・信用協同組合 (SACCO) の詐欺は,開発途上国の金融包摂と持続可能性を妨げています.
- 伝統的な詐欺手法のほか,新しい詐欺手法の両方が,サッコの誠実さに持続的な脅威をもたらしています.
- 既存の詐欺検知方法は,複雑な金融犯罪に対処する際にしばしば不足しています.
研究 の 目的:
- SACCOにおける伝統的なおよび新興の詐欺パターンを体系的に検討する.
- AIと機械学習に焦点を当てて,さまざまな詐欺検出方法の有効性を評価する.
- ギャップを特定し,詐欺検出の枠組みを強化するための勧告を提案する.
主な方法:
- 28件のピアレビュー研究 (2015年-2025年) の体系的な文献レビュー.
- Web of Science,Scopus,およびGoogle Scholarで実施された検索について.
- 品質と適格性の基準は,選択された研究に適用されました.
主要な成果:
- 伝統的な詐欺 (共謀,横領) とデジタル詐欺 (モバイル決済,フィッシング,暗号詐欺) が一般的です.
- ルールベースの方法や監査ベースの方法は,ほとんど無効です.
- 機械学習はリアルタイム検出の有望性を示しているが,課題 (クラス不均衡,解釈可能性,データプライバシー) に直面している.
- 弱いICTインフラストラクチャとSACCO特有のモデルの欠如が特定されました.
結論:
- 伝統的な監査と機械学習を統合したハイブリッドモデルは,SACCOsに推奨されています.
- 将来の研究は,説明可能なAIとプライバシーを守る分析に焦点を当てるべきです.
- SACCOにおける詐欺の回復力を高めるには,適正で高度な検出戦略が必要です.
