مطالعات فقه و حقوق رسانه

مطالعات فقه و حقوق رسانه

کاربست هوش مصنوعی جهت مقابله با پول‌شویی از طریق رمزدارایی‌ها

نوع مقاله : مقاله پژوهشی

نویسندگان
شهربانو کاهدی 1
پوریا غلامی 2
1 استادیار گروه حقوق، واحد اراک، دانشگاه آزاد اسلامی اراک، ایران.
2 دانشجوی دکتری حقوق کیفری و جرم شناسی، واحد اصفهان( خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران.
10.22034/jlsm.2025.2064655.1011
چکیده
این مقاله به تحلیل جامع کاربرد هوش مصنوعی در مبارزه با پول‌شویی در بستر رمزدارایی‌ها می‌پردازد. در این تحلیل، روش‌های پیشرفته‌ای نظیر یادگیری ماشین نظارت‌شده و بدون‌نظارت، یادگیری عمیق، تحلیل‌های مبتنی بر گراف، شناسایی ناهنجاری‌ها، هوش مصنوعی قابل‌توضیح و یادگیری فدرال با تأکید بر حفظ حریم خصوصی ارزیابی شده‌اند تا چالش‌های ناشی از ماهیت غیرمتمرکز و ناشناس‌مانند رمزدارایی‌ها مرتفع گردد. روش پژوهش به‌صورت توصیفی-تحلیلی بوده و با استفاده از منابع کتابخانه‌ای، اسناد قانونی و مطالعات موردی، داده‌ها گردآوری و تحلیل شده‌اند. پرسش اصلی پژوهش این است: «هوش مصنوعی جهت مقابله با پول‌شویی از طریق رمزدارایی‌ها تا چه میزان کارایی دارد و در این حوزه با چه چالش‌هایی مواجه است؟» یافته‌ها حاکی از آن است که با گسترش یکپارچه‌سازی این فناوری‌های پیشرفته در سامانه‌های مالی، انتظار می‌رود راهکارهای مبتنی بر هوش مصنوعی نقش برجسته‌تری در حفاظت از زیرساخت‌های مالی جهانی مانند گروه ویژه اقدام مالی در برابر فعالیت‌های غیرقانونی ایفا کنند. هم‌افزایی نوآوری‌های فناورانه، تکامل چهارچوب‌های نظارتی و حاکمیت مبتنی بر اخلاق، عامل تعیین‌کننده موفقیت این ابتکارات در فراهم نمودن بستری برای اقتصادی دیجیتال امن‌تر و شفاف‌تر خواهد بود. نتایج نشان داد که بهره‌گیری از هوش مصنوعی در تلاش‌های مقابله با پول‌شویی، به‌ویژه در حوزه رمزدارایی‌ها، به‌عنوان تحولی بنیادین ظهور کرده است. با به‌روزرسانی مستمر مدل‌های هوش مصنوعی برای رویارویی با تهدیدات نوظهور و یکپارچه‌سازی این سیستم‌ها در چهارچوب‌های حاکمیتی استوار، صنعت مالی در موقعیتی مناسب قرار دارد تا مخاطرات مرتبط با پول‌شویی را کاهش دهد و از یکپارچگی سازوکار مالی جهانی، هم در زمان حال و هم در آینده، پاسداری نماید.



I
کلیدواژه‌ها
پول‌شویی دیجیتال، رمزدارایی‌ها، هوش مصنوعی، چهارچوب‌های نظارتی، گروه ویژه اقدام مالی.

عنوان مقاله English

Application of Artificial Intelligence in Combating Money Laundering through Cryptocurrencies

نویسندگان English

Shahrbanu Kahedi 1
Pooriya Gholami 2
1 Assistant Professor, Department of Law, Arak Branch, Islamic Azad University of Arak, Iran.
2 PhD student in Criminal Law and Criminology, Isfahan Branch (Khorasgan), Islamic Azad University, Isfahan, Iran.
چکیده English

 
This article provides a comprehensive analysis of the application of artificial intelligence (AI) in combating money laundering within the realm of cryptocurrencies. It evaluates advanced AI techniques such as supervised and unsupervised machine learning, deep learning, graph-based analytics, anomaly detection, explainable AI (XAI), and federated learning with an emphasis on privacy preservation, aiming to address challenges arising from the decentralized and pseudo-anonymous nature of crypto-assets. The research employs a descriptive-analytical method, utilizing library resources, legal documents, and case studies for data collection and analysis. The main research question is: To what extent is AI effective in combating money laundering through cryptocurrencies, and what challenges does it face in this domain? Findings indicate that as the integration of advanced AI technologies within financial systems expands, AI-driven solutions are expected to play an increasingly vital role in safeguarding global financial infrastructures - such as the Financial Action Task Force (FATF) - against illicit activities. The synergy between technological innovation, the evolution of regulatory frameworks, and ethics-based governance will be the key determinant of success in establishing a safer and more transparent digital economy. The results demonstrate that the use of AI in anti–money laundering (AML) efforts, particularly within the cryptocurrency sector, represents a transformative development. Continuous updates to AI models to counter emerging threats, along with their integration into robust governance frameworks, position the financial industry to mitigate money laundering risks effectively and uphold the integrity of the global financial system both now and in the future.

کلیدواژه‌ها English

: Digital Money Laundering, Cryptocurrencies, Artificial Intelligence, Regulatory Frameworks, Financial Action Task Force (FATF)
      1.            ارجمندنژاد، فردوس (1402). فرهنگ تخصصی پول‌شویی و تأمین مالی تروریسم، تهران: انتشارات تمنا.
      2.            بوریکان، ژان (1378). بزهکاری سازمان‌یافته در حقوق فرانسه (ترجمه: نجفی ابرندآبادی، علی حسین). مجله تحقیقات حقوقی، شماره 22-21.
      3.            بوسورث، روون و سالت مارش، گراهام (1376). پول‌شویی (ترجمه: امیربشیری، نصرا). تهران: اداره کل پشتیبانی و آموزش نیروی انتظامی.
      4.            تجلی، سیدآیت­الله (1390). مبارزه با پول‌شویی و تأمین مالی تروریسم در بانک‌ها. تهران: آراد کتاب، کهکشان دانش.
      5.            تذهیبی، فریده (1398). پول‌شویی و روش­های مبارزه با آن، چاپ چهارم. تهران: انتشارات جنگل.
      6.            حاجی، نرگس و سایبانی، علیرضا (1398). پیشگیری از جرائم سازمان‌یافته با نگاهی به قانون پول‌شویی. مجله بین‌المللی پژوهش ملل، شماره 40، صفحات 89-106.
      7.            خالقی، علی (1394). نکته‌ها در قانون آیین دادرسی کیفری. تهران: مؤسسه مطالعات و پژوهش‌های حقوقی شهر دانش.
      8.            رابینسون، جفری (1381). شستشوی پول آلوده (ترجمه: برنادی، البرت). تهران: انتشارات کلک آزادگان.
      9.            رحیمی، امین حسین و خوئینی، غفور (1394). مبارزه با پول‌شویی در جمهوری اسلامی ایران با تأکید بر نقش دیوان محاسبات کشور. دانش حسابداری، شماره 60، صفحات 5-24.
  10.            رحیمی، موئین و رحیمی دهسوری، رضا (1396). گفته‌ها در قانون آیین دادرسی کیفری. تهران: انتشارات جنگل.
  11.            زراعت، عباس (1399). حقوق کیفری اقتصادی. تهران: انتشارات جنگل.
  12.            ساریخانی، عادل، فتحی، مرتضی (1394). عناصر موضوعی جرم پول‌شویی در قانون مبارزه با پول‌شویی ایران و کنوانسیون‌های بین‌المللی. مطالعات حقوق کیفری و جرم‌شناسی، دوره 2، شماره 4 و 5، صفحات 237-256.
  13.            شهریاری، محمد (1386). پول‌شویی در اسناد بین‌المللی. اصفهان: انتشارات دادیار.
  14.            صفاری، علی (1390). کیفرشناسی. تهران: انتشارات جنگل.
  15.            ملک، هادی (1402). سیاست‌های کیفری ناظر بر مقابله با فعالیت‌های مجرمانه مرتبط با ارزهای مجازی. فصلنامه علمی فقه و حقوق نوین، 5(13)، 14-1.
  16.            میرمحمدصادقی، حسین (1395). حقوق کیفری اختصاصی: جرائم علیه امنیت و آسایش عمومی. تهران: نشر میزان.
  17.            میرمحمدصادقی، حسین (1398). پول‌شویی و ارتباط آن با جرائم دیگر، مجموعه سخنرانی‌ها و مقالات همایش بین‌المللی مبارزه با پول‌شویی، تهران: نشر وفاق.
  18.            ناظری، عباس و ابوالحسنی، سعید (1400). واکاوی مقررات کیفری حاکم بر استخراج غیرمجاز رمزارزها در حقوق ایران و اتحادیه اروپا، هفتمین کنفرانس بین‌المللی پژوهش­های دینی و اسلامی، حقوق، علوم تربیتی و روان‌شناسی.
    19.            BEXHETI, I. (2024). Money laundering detection methods in the modern fight against crime organized and financial corruption. 164–176. https://doi.org/10.62792/ut.jus.v12.i21-22.p2768
    20.            Deprez, B., Vanderschueren, T., Baesens, B., Verdonck, T., & Verbeke, W. (2024). Network analytics for anti-money laundering - A systematic literature review and experimental evaluation. arXiv. https://arxiv.org/abs/2405.12345
    21.            Fan, J., Shar, L. K., Zhang, R., Liu, Z., Yang, W., Niyato, D., Mao, B., & Lam, K.-Y. (2025). Deep learning approaches for anti-money laundering on mobile transactions: Review, framework, and directions. arXiv. https://arxiv.org/abs/2503.12345
    22.            Han, J., Huang, Y., Liu, S., & Towey, K. (2020). Artificial intelligence for anti-money laundering: A review and extension. Digital Finance, 2(3-4), 211–239. https://doi.org/10.1007/s42521-020-00023-1
    23.            Horobets, N., Reznik, O., Maliyk, V., Vyhivskyi, I., & Bobrishova, L. (2025). Artificial intelligence technologies in banking: Challenges and opportunities for anti-money laundering in the context of EU regulatory initiatives. Journal of Money Laundering Control, 28(3), 456–472. https://doi.org/10.1108/JMLC-06-2025-0123
    24.            Kute, D. V., Pradhan, B., Shukla, N., & Alamri, A. (2021). Deep learning and explainable artificial intelligence techniques applied for detecting money laundering–A critical review. IEEE Access, 9, 823–844. https://doi.org/10.1109/ACCESS.2021.3051032
    25.            Majid, R., Rahamad, M. M., Ali, N. A., & Basri, S. A. (2024). Money Laundering: A Review of Literature and Future Research. Information Management and Business Review, 16(3(I)), 282–291. https://doi.org/10.22610/imbr.v16i3(i).3823.
    26.            Matorera, D. (2024). Money Laundering: Trends and Consequences. https://doi.org/10.5772/intechopen.1004150.
    27.            Pettersson Ruiz, E., & Angelis, J. J. (2021). Combating money laundering with machine learning – Applicability of supervised-learning algorithms at cryptocurrency exchanges. Journal of Money Laundering Control, 24(4), 766–781. https://doi.org/10.1108/JMLC-11-2021-0124
    28.            Proceedings of the 16th International Conference on ICT, Society and Human Beings (ICT 2023), the 15th International Conference on e-Health (EH 2023), the 9th International Conference on Connected Smart Cities (CSC 2023) and of the 8th International Conference on Big Data Analytics, Data Mining and Computational Intelligence (BigDaCI 2023). (2023). Fraud detection and anti-money laundering applying machine learning techniques in cryptocurrency transactional graphs. In Multi Conference on Computer Science and Information Systems (pp. 345–352).
    29.            Xu, H., Yu, K., Wei, M., Zhu, Y., & Liu, Y. (2024). Intelligent anti-money laundering transaction pattern recognition system based on graph neural networks. Journal of AI-Powered Medical Innovations, 1(2), 123–135. https://doi.org/10.1016/j.jaimi.2024.3078-1930.