Промышленные АСУ и контроллеры Аннотация к статье << Назад Нейросетевые алгоритмы в противодействии легализации доходов (AML): новые вызовы и регуляторные аспекты Путков К.А., Овсянников Р.Ю. Внедрение технологий искусственного интеллекта, в частности графовых нейронных сетей (GNN), открывает новые возможности для обнаружения сложных многоуровневых схем отмывания денег, остающихся невидимыми для традиционных правиловых систем. Однако применение глубокого обучения в сфере противодействия легализации доходов (AML) сопряжено с фундаментальными вызовами: проблемой интерпретируемости моделей («чёрный ящик») и необходимостью соответствия жёстким регуляторным требованиям к прозрачности и подотчётности. В данной статье рассматривается потенциал GNN для анализа сетей финансовых транзакций, а также методы объяснимого искусственного интеллекта (XAI) как ключевое решение для обеспечения доверия регуляторов. Исследование демонстрирует, что гибридный подход GNN-XAI способен радикально снизить уровень ложных срабатываний на 60–80 % при одновременном повышении точности обнаружения и обеспечении необходимой для аудита прозрачности решений. Сформулированы практические рекомендации по интеграции этих технологий в соответствии с риск-ориентированным подходом, закреплённым в документах ФАТФ и Банка России. Ключевые слова: противодействие легализации доходов (AML), графовые нейронные сети, объяснимый искусственный интеллект (XAI), графовая аналитика, регуляторные требования, ложные срабатывания, подозрительные операции. DOI: 10.25791/asu.3.2026.1648 Стр. 36-42.