La
Par Emil Eifrem, PDG et co-fondateur deNeo4j, le leader mondial des bases de données graphiques
La technologie graphique a le pouvoir de découvrir des liens douteux à travers des motifs cachés, affirme Emil Eifrem de Neo4j
On estime que plus de 90 milliards de livres sterling seront blanchis illégalement par le Royaume-Uni chaque année, selon la commission parlementaire multipartite chargée d’examiner le bureau de l’intérieur. Pas étonnant que le HMRC et les banques redoublent d’efforts pour lutter contre ces activités illégales grâce à une réglementation plus stricte et à la menace d’une très grande amendes pour les entreprises qui ne traitent pas la question, plus les ministres du gouvernement élaborent une législation pour établir le projet de loi sur l’enregistrement des entités à l’étranger, qui vise à arrêter les criminels étrangers utilisant le marché de l’immobilier pour blanchir de l’argent.Il ya les scandales de blanchiment d’argent qui ont englouti l’Europe, en particulier dans les pays nordiques.
Le problème est que la répression de la lutte contre le blanchiment implique de suivre des pistes d’argent illégales, ce qui représente un énorme défi. Les criminels financiers sont perfectionnés à utiliser les erreurs de direction pour rendre très difficile le suivi des fonds de leur point de départ à leur fin et sont habiles à créer des réseaux d’identités complexes. Par conséquent, il est très difficile pour les institutions financières de les écarter des transactions légitimes dans des quantités gargantues de données qui circulent quotidiennement dans les systèmes bancaires.
Dans le même temps, les instruments standard de la plupart des banques pour lutter contre le blanchiment d’argent — tels que la surveillance des écarts par rapport aux schémas bancaires normaux — concernent des données distinctes, qui ne permettent pas de détecter facilement les caractéristiques communes qui caractérisent les réseaux de blanchiment d’argent. De plus, de telles méthodes ont tendance à émettre des faux positifs, qui nuisent aux relations avec les clients.
Une meilleure façon de découvrir le caché
La bonne nouvelle, c’est que même si aucune mesure ne peut être à l’épreuve à 100 %, il est possible de réaliser des améliorations significatives. Comment ? En regardant au-delà des points de données individuels vers les connexions qui les relient — comme trop souvent, ces connexions passent inaperçues jusqu’à ce qu’il soit trop tard. Et comme ces liens cachés détiennent les meilleurs indices de la criminalité continue, c’est un endroit très prometteur à regarder.
Le
logiciel Graph a le pouvoir de découvrir ces connexions et constitue un ajout très utile à l’arsenal du chef de la sécurité bancaire, ainsi qu’au juricomptable ou aux organismes de réglementation. Étant donné leur disponibilité généralisée, les bases de données graphiques sont une technologie que tout intervenant qui veut mettre fin à ces activités illégales devrait envisager.
Utilisé par l’International Consortium of Investigative Journalists (ICIJ), le groupe derrière les Panama and Paradise Papers, qui a exposé l’invasion fiscale des super riches et puissants, les graphiques sont un moyen très puissant de regarder sous les couvertures d’un système complexe de La, les criminels ont caché. Tout comme nous n’aurions pas découvert comment l’élite évite l’impôt si ce n’était pas pour des graphiques rejoignant les points entre les relations cachées — ou récupéré plus de 1,2 milliard de dollars en amendes et arriérés d’impôts résultant, de sorte que le logiciel pourrait vraiment aider avec les problèmes de blanchiment d’argent.
Aider l’enquêteur de données
Après tout, nos méthodes acceptées pour traiter le problème ne suffisent plus. L’approche traditionnelle de base de données relationnelle utilisée dans les entreprises joue un rôle dans l’indexation et la recherche de données, le soutien des transactions et l’analyse statistique de base. Mais cette technologie n’a pas été créée pour analyser les relations essentielles à la découverte des voies de blanchiment d’argent — trouver des connexions à l’aide de bases de données relationnelles entraîne de longues requêtes et des structures de données rigides et complexes qui ne peuvent pas suivre l’agilité de la criminalité en col blanc. De plus, les faire fonctionner en temps synchrone est problématique, les performances changeant à mesure que la taille totale du jeu de données augmente.
Ainsi, au lieu d’utiliser des tables relationnelles, les bases de données graphiques utilisent mieux les structures pour analyser les interconnexions dans les données. Les graphiques utilisent un formalisme notationnel étroitement aligné sur la façon dont les humains pensent de l’information — et une fois le modèle de données codé, dans une architecture évolutive, une base de données graphique est pratiquement impossible à battre pour analyser les relations entre un grand nombre de points de données.
Cela permet au créateur de système graphique ou à l’enquêteur de données de mieux gérer, lire et visualiser leurs données, ce qui donne aux institutions financières une image véritablement traçable et approfondie de leurs actifs et des relations qui leur sont associées. Et comme les criminels financiers sont intelligents et que le cyberespace leur donne de nombreux endroits où disparaître, les institutions financières doivent savoir exactement d’où proviennent les fonds et où ils vont en tout temps. À l’aide d’une approche graphique, les équipes de lutte contre le blanchiment d’argent des institutions financières peuvent modéliser les entreprises, les comptes et les transactions beaucoup plus efficacement pour identifier les éventuels blanchiment d’argent.
Avec l’éventail des cybermenaces, le blanchiment d’argent ne fera qu’augmenter en fréquence et en complexité. À moins que des mesures ne soient prises et que notre monde connecté augmente la quantité de données que les institutions financières doivent traiter, il est impératif que nous puissions analyser les données en temps réel pour avoir la moindre chance d’arrêter et de retracer les fonds illicites et d’arriver à la racine des syndicats criminels qui les perpétuent. Le logiciel graphique est capable de rassembler diverses pièces du puzzle de blanchiment d’argent et de créer une image logique. Grâce à l’analyse graphique, les institutions financières disposent enfin d’un outil qui peut les aider à lutter contre le blanchiment d’argent de tous les coins de la rue.
