테러리스트 자금확보를 위한 환치기 탐지와 데이터마이닝 = Detecting Hawala for funding terrorism and data mining

국문 초록 (Abstract)

환치기 (Hawala)는 오래전 인도에서 시작된 불법적인 외환거래 방법이다. 환치기는 자금세탁을 위한 불법적 외환거래에 많이 사용되고 있을 뿐 아니라, 테러리스트의 자금확보 방법으로 사용되고 있다는데, 문제의 심각성이 있다. 많은 국제 수사가 테러리스트 자금을 차단하기 위하여 환치기를 탐지하는 방법을 개발하고 있지만, 대부분 작업이 수작업에 의존하고 있다. 본 논문에서는 데이터마이닝 방법을 테러리스트 자금확보의 환치기 탐색에 적용하기 위하여 다음 사항을 제시한다. 첫 번째로 테러리스트 자금확보를 위하여 사용되는 환치기 유형을 살펴본다. 유형 분석은 환치기 탐색을 위한 기능 개발의 요구분석이 될 수 있다. 두 번째로 데이터 마이닝 방법을 환치기 탐색에 적용할 때 가장 큰 어려움인 데이터 확보 문제를 살펴본다. 이를 위하여 데이터증강 방법을 적용한다. 세 번째로 테러리스트의 환치기 탐색을 위한 데이터 마이닝 방법을 개발하였고, 그 효율성을 실험을 통하여 검증하였다. 본 연구는 테러리스트 자금확보 수사에 데이터 마이닝 방법을 개발하여 효율성을 높이는 기반을 제공하였다. 그러나 정보기술 방법의 발달로 자금 거래 방법이 다양화되고 있으며, 테러리스트 자금확보를 위한 돈세탁 방법도 계속 진화하고 있다. 본 연구는 이런 면에서 관련 연구의 출발점을 제시한다는 점에서도 의미가 크다.

다국어 초록 (Multilingual Abstract)

Hawala is a traditional banking system for money transfer, which is considered as illegal. It has been used for money laundering, in particularly for funding terrorists. Many international agencies such as Interpol and FATF have been working to detect financing terrorists including Hawala. However, these efforts mostly rely on manual investigations, which take a considerable amount of time and resources. In this paper, we discuss the following several issues the automation of detecting Hawala by data mining to improve the investigation process of law enforcement agencies. First, we present main typologies of Hawala transaction for terrorist funding, which will serve as functional requirements for data mining methods. Second, we discuss the issue of data availability of bank transactions due to its confidentiality requirement and propose a data augmentation method to overcome this constraint. Third, we suggest a data mining method for detecting the basic typology of Hawala and show its performance by experiments. We expect that this work is a first step toward the automation of Hawala detection for funding terrorists, although the funding methods for terrorist groups constantly evolve using new technologies.

참고문헌 (Reference)

• 1 Berka, P., "Workshop notes on discovery challenge" 1999
• 2 FATF, "Virtual assets red flag indicators of money laundering and terrorist financing"
• 3 McCusker, R., "Underground banking: Legitimate remittance network or money laundering system? Trends and Issues in Crime and Criminal Justice" Australian Institute of Criminology 2005
• 4 FATF, "The role of hawala and other similar service providers in money laundering and terrorist financing"
• 5 Brin, S., "The anatomy of a large-scale hypertextual web search engine" 30 : 107-117, 1998
• 6 Teichmann, F. M. J., "The abuse of hawala banking for terrorist financing in German-speaking countries" 26 : 1016-1026, 2023
• 7 Freeman, M., "Terrorism financing methods : An overview" 7 : 5-26, 2013
• 8 Kancherla, J., "Terrorism financing : Al-Qaeda and ISIS" 3750495 : 1-13, 2020
• 9 이승언 ; 김현세 ; 김남호 ; 엄정윤 ; 우지환, "Study on the real owner distinction in financial transactions using deep learning" 32 : 781-797, 2021
• 10 Oeben, M., "Prerequisites and AI challenges for model-based antimoney laundering" 2019
• 11 FATF, "Opportunities and challenges of new technologies for AML/CFT"
• 12 FATF, "Methodology: For assessing technical compliance with the FATF recommendations and the effectiveness of AML/CFT systems"
• 13 De Goede, M., "Hawala discourses and the war on terrorist finance" 21 : 513-532, 2003
• 14 Haslhofer, B., "GraphSense : A general-purpose cryptoasset analytics platform"
• 15 Alenova M., "Graph mining for detecting hawala network" Pusan National University 2024
• 16 Li, Z., "Detecting blackhole and volcano patterns in directed networks" 294-303, 2010
• 17 정현우 ; 조윤상 ; 고건우 ; 송재익 ; 유동현, "Comparison study of synthetic data generation methods for credit card transaction data" 34 : 49-72, 2023
• 18 Kumar, A., "Anti-money laundering detection using Naive Bayes classifier" 568-572, 2020
• 19 Suzumura, T., "Anti-money laundering datasets" IBM
• 20 Kumar, A., "Analysis of classifier algorithms to detect anti-money laundering" 950 : 143-152, 2021
• 21 Le Khac, N. A., "An investigation into data mining approaches for anti money laundering" 504-508, 2009
• 22 Thompson, E. A., "An introduction to the concept and origins of hawala" 10 : 83-118, 2008
• 23 Heidarinia, N., "An intelligent anti-money laundering method for detecting risky users in the banking systems" 97 : 35-39, 2014
• 24 Jensen, R. I. T., "A synthetic data set to benchmark anti-money laundering methods" 10 : 661-670, 2023
• 25 Sauro, J., "A method to standardize usability metrics into a single score" ACM Press 401-409, 2005
• 26 Gao, Z., "A framework for data mining?based anti-money laundering research" 10 : 170-179, 2007