Розширена анотація українською мовою

Основною метою даного дослідження є проведення динамічного та бібліометричного аналізу головних термінів, які ідентифікують систему протидії фінансовим та кібершахрайствам, для виявлення тенденцій у формуванні суспільної та наукової думки. Проведений огляд наукової літератури свідчить про зростання кількості наукових публікації за останні десять років. Виявлено, що найбільш цитовані праці охоплюють проблеми, пов’язані із кіберзагрозами у повсякденному житі, серед яких виділяють ботнети, кібербулінг, а також фінансовими шахрайствами, які реалізуються через крипто валюти, смарт-контракти та чорний ринок в Інтернеті. У якості інструментів протидії пропонуються проведення хмарної криміналістики, технічного та інтелектуального аналізу. Інструментами дослідження виступили динамічний аналіз запитів користувачів глобальної мережі, реалізований за допомогою Google Trends, та бібліометричний аналіз наукових публікацій провідних вчених світу, який було виконано із використанням аналітичного пакету VOSviewer. В якості вхідних даних динамічного аналізу було узято пошукові терміни «Fraud», «Finance Fraud», «Cyber Fraud», «Finance Cyber Fraud», «Money Laundering», «Anti-Money Laundering» та «Anti-Fraud» за період з 07.08.2017 по 07.08.2022. Для проведення бібліометричного аналізу на основі запитів в базі даних Scopus було сформовано два масиви даних довжиною 2000 спостережень щодо термінів «Cyber Crime» та «Anti-money Laundering». Результати динамічного аналізу виявили зменшення рівня зацікавленості шахрайствами та фінансовими шахрайствами з початку 2021 року, при цьому тенденція рівня зацікавленості кібершахрайствами є зростаючою. Це дозволило прийти до висновку про вплив пандемії, яка спричинила зростання злочинів у кіберпросторі. Результати аналізу запитів щодо «Fraud» та «Finance Fraud» за географічним розподілом продемонстрували високий рівень зацікавленості серед користувачів, які належать до країн із значними відмінностями в рівнях економічного розвитку. Тобто представники бідних країн є потенційними кібершахраями, а розвинених країн – потенційними жертвами шахрайств. Проведення бібліометричного аналізу дозволило отримати кластери перспективних напрямів наукових досліджень в сфері кіберзлочинів, серед яких виділено математичний та мережевий інструментарій їх протидії, загальні концепції, цифровізація та цифрова криміналістика, кіберзахист, захист даних, аутентифікація та шифрування даних, тощо. При цьому акцент досліджень зміщується в бік методів протидії кіберзлочинам. Перспективними напрямками в сфері Money Laundering є математичні методи та інформаційні технології, криптовалюти та блокчейни, корупція, фінансовий тероризм, тощо. Найбільший потенціал належить відмиванню коштів через криптовалюти та блокчейни. Отримані напрацювання можуть бути корисними для удосконалення стратегії протидії фінансовим і кіберзлочинам та формування аналітичного базису для наукової спільноти та фахівців-практиків.

Ключові слова: Боротьба з шахрайством, Боротьба з відмиванням грошей, Бібліометричний аналіз, Кібершахрайство, Динамічний аналіз, Фінансове шахрайство, Відмивання грошей.

Класифікація JEL: C61, G21, M15.

Цитувати як: Yarovenko, H. and Rogkova, M. (2022). Dynamic and bibliometric analysis of terms identifying the combating financial and cyber fraud system. Financial Markets, Institutions and Risks, 6(3), 93-104. https://doi.org/10.21272/fmir.6(3).93-104.2022

Ця стаття публікуються за ліцензією Creative Commons Attribution International License

Список використаних джерел

1. Bequai, A. (1998). Guide to cyber-crime investigations. Computers and Security, 17(7), 579 – 582. [Link]
2. Benjamin, R., Gladman, B. and Randell, B. (1998). Protecting IT Systems from Cyber Crime. Computer Journal, 41(7), 429 – 443. [Link]
3. Bolton, R. J. and Hand, D. J. (2002). Statistical fraud detection: A review. Statistical science, 17(3), 235 – 255. [Link]
4. Choo, K.-K. R. (2011). The cyber threat landscape: Challenges and future research directions. Computers and Security, 30(8), 719 – 731. [Link]
5. Colladon, A. F. and Remondi, E. (2017). Using social network analysis to prevent money laundering. Expert Systems with Applications, 67, 49 – 58. [Link]
6. FATF (2001). The FATF Recommendations. [Link]
7. Feily, M., Shahrestani, A., and Ramadass, S. (2009, June). A survey of botnet and botnet detection. In 2009 Third International Conference on Emerging Security Information, Systems and Technologies, 268-273. [Link]
8. Harpum, C. (1990). Liability for money laundering. The Cambridge Law Journal, 49(2), 217 – 220. [Link]
9. Huang, Q., Singh, V. K. and Atrey, P. K. (2014, November). Cyber bullying detection using social and textual analysis. In Proceedings of the 3rd International Workshop on Socially-Aware Multimedia, 3-6. [Link]
10. Hutchings, A. and Holt, T. J. (2015). A crime script analysis of the online stolen data market. British Journal of Criminology, 55(3), 596 – 614. [Link]
11. IBM (2022). How much does a data breach cost in 2022? [Link]
12. Juels, A., Kosba, A. and Shi, E. (2016, October). The ring of gyges: Investigating the future of criminal smart contracts. In Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security, 283-295. [Link]
13. Kolodenker, E., Koch, W., Stringhini, G. and Egele, M. (2017, April). Paybreak: Defense against cryptographic ransomware. In Proceedings of the 2017 ACM on Asia Conference on Computer and Communications Security, 599-611. [Link]
14. Möser, M., Böhme, R. and Breuker, D. (2013, September). An inquiry into money laundering tools in the Bitcoin ecosystem. In 2013 APWG eCrime researchers summit, 1-14. Ieee. [Link]
15. Mumford, Е. (1998). Problems, knowledge, solutions: Solving complex problems. Journal of Strategic Information Systems, 7(4), 255 – 269. [Link]
16. Ngai, E. W., Hu, Y., Wong, Y. H., Chen, Y. and Sun, X. (2011). The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literature. Decision support systems, 50(3), 559 – 569. [Link]
17. OAS (1994). The Council of Europe Convention on Cybercrime: status quo and future challenges. Retrieved from August 1, 2022. [Link]
18. Ruan, K., Carthy, J., Kechadi, T. and Baggili, I. (2013). Cloud forensics definitions and critical criteria for cloud forensic capability: An overview of survey results. Digital Investigation, 10(1), 34 – 43. [Link]
19. Tounsi, W. and Rais, H. (2018). A survey on technical threat intelligence in the age of sophisticated cyber attacks. Computers and Security, 72, 212 – 233. [Link]