Ứng dụng khai phá dữ liệu vào nhận dạng các giao dịch rửa tiền trong ngân hàng

Việc ứng dụng khai phá dữ liệu vào các lĩnh vực kinh tế tài chính ngày càng đóng vai trò quan trọng. Ngân hàng là một lĩnh vực có lượng thông tin lưu trữ khổng lồ và chứa đựng nhiều thông tin tiềm

ỨNG DỤNG KHAI PHÁ DỮ LIỆU VÀO NHẬN DẠNG CÁC GIAO DỊCH RỬA TIỀN TRONG NGÂN HÀNG Cao Đăng Khoa Trường Đại học Cơng Nghệ Thơng Tin, DHQG-HCM TĨM TẮT: Việc ứng dụng khai phá liệu vào lĩnh vực kinh tế tài ngày đóng vai trị quan trọng Ngân hàng lĩnh vực có lượng thông tin lưu trữ khổng lồ chứa đựng nhiều thông tin tiềm ẩn quý giá Phát giao dịch rửa tiền giao dịch chuyển tiền thơng tin q giá khai thác từ nguồn liệu Bài báo tìm hiểu hướng tiếp cận tốn phát rửa tiền giới thiệu hướng tiếp cận gom cụm liệu (một kỹ thuật phương pháp khai phá liệu) liệu giao dịch chuyển tiền ngân hàng Bài báo so sánh mức độ tối ưu thuật toán đề xuất dùng thuật toán CLOPE vào toán phát rửa tiền Việt Nam Từ khóa: Khai phá liệu, rửa tiền, giao dịch chuyển tiền GIỚI THIỆU hoạt động rửa tiền lượng liệu giao dịch Năm 2006, Ngân hàng Thế giới (World Bank) khổng lồ gia tăng ngày ngân hàng, đưa cảnh báo: Việt Nam trở thành mục tiêu giải pháp cho toán nhận dạng giao dịch rửa tiền hoạt động rửa tiền hệ thống tra, giám cần phải đáp ứng cân tính sát, hệ thống kế tốn tìm hiểu khách hàng xác thời gian xử lý Chính ngun nhân ngân hàng cịn phát triển; mức độ sử dụng tiền mà việc lựa chọn thuật toán phù hợp với liệu mặt luồng chuyển tiền khơng thức mấu chốt quan trọng để ứng dụng giải lớn khiến cho việc kiểm soát giao dịch, pháp vào thực tế, phần viết tốn trở nên khó khăn[11] Trong bước đề xuất thuật toán CLOPE sử dụng cho quy trình rửa tiền phổ biến ngân hàng đóng trường hợp liệu giao dịch chuyển tiền Mục tiêu vai trò quan trọng việc hợp thức hóa lượng tiền cuối viết đưa hướng tiếp cận bẩn Do đó, việc có chế tự động để trợ giúp hồn chỉnh từ phương pháp thực hiện, liệu việc nhận dạng giao dịch có dấu hiệu rửa thuật toán phù hợp cho toán nhận dạng rửa tiền tiền yêu cầu cấp thiết cho toán chống rửa tiền tồn giới nói chung Việt Nam nói riêng Bài viết vào tìm hiểu mơ hình chống rửa tiền có, ứng dụng kiến thức cơng cụ rút trích tri thức từ liệu nhằm kết hợp tốc độ xử lý máy vi tính với khả phân tích trường hợp ngân hàng Việt Nam CƠ SỞ LÝ THUYẾT 2.1 Các hướng tiếp cận với liệu Theo kết tham khảo từ nghiên cứu thạc sĩ Linard Moll mơ hình tiếp cận với liệu tùy thuộc vào thơng tin lưu trữ ngân hàng có hướng tiếp cận sau: người hình thành hệ thống hữu hiệu để nhận a Tiếp cận có giám sát liệu gán nhãn dạng giao dịch rửa tiền Do mức độ tinh vi (Supervised approaches on labeled data) : Phương 2.2.1 Tổng quan rửa tiền pháp tiếp cận yêu cầu phải có sẵn tập liệu huấn luyện (training data) đánh giá Theo nghị định số 74/2005/NĐ-CP phịng, gán nhãn Sau ứng dụng kỹ thuật: chống rửa tiền phủ Việt Nam rửa tiền khai phá liệu, hệ chuyên gia (expert system), mô định nghĩa sau: “Rửa tiền hành vi hình thống kê v.v… tập liệu huấn luyện [3] cá nhân, tổ chức tìm cách hợp pháp hố tiền, tài sản Hướng tiếp cận phù hợp với ngân hàng có phạm tội mà có thơng qua hoạt động cụ thể kinh nghiệm chống rửa tiền tốt sau đây: b Tiếp cận hỗn hợp với liệu gán nhãn (Hybrid approaches with labeled data) : Đối với hướng tiếp cận liệu yêu cầu mặt liệu tương tự hướng tiếp cận “Supervised approaches on labeled data” điểm khác hướng tiếp cận yêu cầu sử dụng kết hợp nhiều phương pháp khác để tăng mức độ xác cho phương pháp [3] Hướng tiếp cận khơng u cầu ngân hàng phải có kinh nghiệm chống rửa tiền tốt mà yêu cầu mức độ đầu tư cho hệ thống chống rửa tiền phải cao c Tiếp cận nửa giám sát dựa liệu có gán nhãn hợp lệ (Semi-supervised approached with only legal (nonfraud) data): Phương pháp tiếp cận có điểm đặc biệt tập huấn luyện bao gồm giao dịch hợp lệ [3] Các giao dịch thêm vào đánh a) Tham gia trực tiếp gián tiếp vào giao dịch liên quan đến tiền, tài sản phạm tội mà có; b) Thu nhận, chiếm giữ, chuyển dịch, chuyển đổi, chuyển nhượng, vận chuyển, sử dụng, vận chuyển qua biên giới tiền, tài sản phạm tội mà có; c) Đầu tư vào dự án, cơng trình, góp vốn vào doanh nghiệp tìm cách khác che đậy, nguỵ trang cản trở việc xác minh nguồn gốc, chất thật vị trí, q trình di chuyển quyền sở hữu tiền, tài sản phạm tội mà có”[11] Việc rửa tiền thường tiến hành theo chu trình, bao gồm giai đoạn: phân phối, dàn trải, hội nhập giá bị nghi ngờ hành vi giao dịch - Giai đoạn phân phối (placement): Phân phối không phù hợp với tập huấn luyện Hướng tiếp cận nguồn tiền từ hoạt động phi pháp vào ngân chủ yếu dành cho ngân hàng bước đầu hàng có quy chế lỏng lẻo Thông thường lượng tiền tiếp cận với việc chống rửa tiền chưa có kinh phân chia nhỏ mức cảnh báo ngân nghiệm nhiều việc phân loại hình thức rửa hàng [11] - Giai đoạn dàn trải (layering): Trong giai tiền khác d Tiếp cận không giám sát (Unsupervised approaches): đoạn tiền bẩn luân chuyển qua nhiều Phương pháp tiếp cận dành cho trường hợp ngân hàng qua nhiều tài khoản khác khơng có tập huấn luyện [3] Đặc biệt thích hợp cho Thực chất quy trình tạo chuỗi giao ngân hàng chưa áp dụng qua phương dịch nhằm mục đích che đậy nguồn tiền từ pháp chống rửa tiền Theo khảo sát ngân hàng lớn Việt hoạt động phi pháp làm cho chúng ngày xa Nam mơ hình u cầu có tập huấn luyện nguồn gốc ban đầu [11] khơng phù hợp với tình hình Việt Nam - Giai đoạn hội nhập (integration): Tiền ngân hàng Việt Nam chưa có tập liệu huấn đầu tư vào hoạt động kinh doanh hợp pháp luyện Do đề xuất hướng “tiếp cận không [14] giám sát” để giải toán nhận dạng rửa tiền Việt Nam 2.2 Khảo sát quy trình rửa tiền 2.2.2 Quy trình rửa tiền tổng quát Hình 2: Các quy trình rửa tiền Hình 1: Quy trình rửa tiền tổng quát Vấn đề toán chống rửa tiền sau phân tích thời điểm viết Mức độ tinh vi hành vi rửa tiền phụ thuộc vào chuỗi quy trình thực để cắt đứt mối liên hệ lượng tiền bẩn nguồn gốc ban đầu Điều gây khó khăn cho biện pháp nhận dạng rửa tiền bước Tuy nhiên theo nhận định viết giai đoạn mấu tốn xác định tài khoản mang tính chất nghi ngờ rửa tiền thay tìm kiếm giao dịch rửa tiền cách trực tiếp Phương pháp có ưu điểm giới hạn quy mơ tìm kiếm giao dịch rửa tiền tài khoản có dấu hiệu đáng ngờ 2.3 Mơ hình liệu học chốt để thiết lập hệ thống nhận dạng rửa tiền tự Dữ liệu chuyển tiền ngân hàng khảo sát động Theo khảo sát ngân hàng lớn Việt cuả quy trình mang tính chất lưu trữ bao gồm thuộc tính cần thiết sau: Tài khoản người gửi Tài khoản người nhận Số tiền giao dịch Loại tiền giao dịch Thời gian giao dịch Các thuộc tính cho thấy thơng tin chi tiết đặc trưng cho số giao dịch đáng ngờ giao dịch chuyển tiền Khi xét Các tài khoản thực chuỗi giao dịch có điểm thời điểm vẽ sơ đồ thể mối quan tương đồng với quy trình hệ tài khoản Nam từ quy trình phổ biến việc rửa tiền giai đoạn layering thực tế, phân chia nhỏ thành quy trình Điểm đặc biệt liệt kê vào nhóm giao dịch đáng ngờ Điều khiến cho việc lần theo mối quan hệ tài khoản thực giao dịch đáng ngờ dễ dàng nhanh Các quy trình có cấu trúc sau: Hình 3: Đồ thị hóa giao dịch chuyển tiền Tuy nhiên để xét xem tài khoản có thuộc dạng đáng nghi ngờ hay kiểm tra thông tin tổng hợp từ giao dịch tài khoản khoản thời gian Do viết đề xuất tập liệu thống kê từ tập liệu chuyển tiền Tập liệu thể hành vi đặc trưng tài khoản liệu giao dịch Mặt khác thuật toán định khoảng thời gian xác định trước Tập liệu nghĩa hàm tiêu chuẩn tồn cục (global citerion có thuộc tính sau : function) để làm tiêu chuẩn đánh giá mức độ tối ưu phương pháp gom cụm Có thể hiểu cách Bảng 1: danh sách thuộc tính Danh sách thuộc tính Tài khoản giao dịch Tổng tiển gửi Tổng lượng tiền gửi Tổng tiền nhận Tổng lượng tiền nhận Số lần gửi Số lần gửi tiền tài khoản Số lần nhận hàm tiêu chuẩn Các phương pháp gom cụm Ý nghĩa thuộc tính Tài khoản đơn giản thuật toán gom cụm đưa Số lần nhận tiền tài khoản tối ưu hóa dựa hàm tiêu chuẩn Hàm tiêu chuẩn chia làm loại: hàm tiêu chuẩn cục (local criterion function) hàm tiêu chuẩn toàn cục (global criterion function) Hàm tiêu chuẩn toàn cục quy định mức độ tối ưu cho toàn phương pháp gom cụm hàm tiêu chuẩn cục quy định mức độ tương tự Số quan hệ nhận tiền Số lượng tài khoản gửi tiền vào tài khoản đối tượng cụm Do việc tính Số quan hệ gửi tiền Số lượng tài khoản nhận tiền từ tài khoản việc tính tốn hàm tiêu chuẩn | R_S | | tổng thu – tổng nhận | tốn hàm tiêu chuẩn tồn cục nhanh cục Việc sử dụng hàm tiêu chuẩn toàn cục làm tiêu chuẩn đánh giá mức độ tối ưu cho thấy Từ thuộc tính thấy từ thuật toán CLOPE phù hợp với liệu đa giao dịch chuyển tiền cặp tài khoản chiều có số lượng lớn Thuật tốn CLOPE mơ chuyển thành thơng tin liệu giao dịch hình hóa cụm thành biểu đồ histogram có ý tài khoản Dữ liệu giao dịch thể đặc trưng nghĩa sau: hành vi ứng với tài khoản Phần viết trình bày thuật tốn phù hợp cho loại liệu giao dịch 2.4 Giới thiệu thuật toán CLOPE Thuật toán CLOPE phát triển tập thể tác giả Yiling Yang, Xudong Guan, Jinyuan Hình 4: Biểu đồ hóa cụm liệu theo CLOPE - Trục hoành (X) phần tử ∈ D(C) Trục tung (Y) tần suất xuất phần tử ∈ D(C) cụm C Cho: You Đây thuật toán cho kỹ thuật gom cụm, đối tượng gom cụm thuật toán biến định danh (giá trị kiểu chuỗi) Ý tưởng thuật toán xuất phát từ nhận thức việc gom nhóm đối tượng liệu kiểu định danh ngày phổ biến Ngoài việc ứng dụng khai phá liệu vào đối tượng liệu thực tế gặp nhiều khó khăn liệu thực tế thường đa chiều - S(C): số lượng phần tử cụm C W(C): số lượng phần tử nằm trục hoành Occ(i,C) : tần suất xuất phần tử thứ i - cụm C Chiều cao H(C): tính S(C)/W(C) Hàm tiêu chuẩn thuật toán CLOPE : (chứa nhiều thơng tin thuộc tính khác nhau) Các tác giả thuật toán CLOPE gom cụm hướng tiếp cận theo khoảng cách đối tượng không phù hợp với liệu tài [2] hay cụ thể trường hợp toán rửa tiền cụm cao hay nói cách khác lợi nhuận (Profit) phương pháp gom cụm cao Ngược lại r nhỏ liệu trùng lặp bị phân chia vào cụm khác Tuy nhiên thực tế, trình gom cụm r : Repulsion số thực (r > 0) Trong trường hợp tham số S(C i), |Ci|, W(Ci), biết trước khơng thay đổi khẳng định r lớn mức độ trùng lặp liệu thuật toán phải chia đối tượng vào cụm cho ứng với r cho trước phương pháp gom cụm phải có lợi nhuận cao Điều chứng tỏ phương pháp phân hoạch thành nhiều cụm không chắn tơi ưu hơn.[2] Hình Sơ đồ luồng xử lý thuật toán CLOP HIỆN THỰC HỆ THỐNG 1) Chuyển đổi liệu: Phần trình bày cấu trúc bước Ở công đoạn liệu chuyển tiền xử lý hệ thống nhận dạng rửa tiền tác cặp tài khoản thống kê thành liệu giả viết đề cập Hệ thống nhận dạng giao dịch giao dịch tài khoản (thể hành vi rửa tiền ứng dụng khai phá liệu bao gồm tài khoản).Tâp liệu sau chuyển đổi có số bước sau đây: lượng liệu ∈ [n,2n] với n số lượng liệu - SỐ LẦN GỬI : Số lần gửi tiền đặc biệt nhiều chuyển tiền 2) Phân hoạch miền liệu: Công đoạn phân chia liệu kiểu - so với tài khoản khác SỐ QUAN HỆ GỬI TIỀN: Số lượng tài khoản nhận tiền từ tài khoản nhiều số thành phân đoạn mang ý nghĩa định Ví dụ: chuyển đổi giá trị tổng tiền giao dịch - so với tài khoản khác TỔNG TIỀN GỬI: Tổng tiền gửi lớn, (vượt nằm khoảng 1.000.000.000 VND đến qua mức cảnh báo ngân hàng) nhiên 10.000.000.000 VND thành giá trị kiểu chuỗi có số tiền gửi lần lại nhỏ vừa Trường hợp tương đối phức tạp lại tùy dạng sau : [1.0000.000.000 => 10.000.000.000] mang ý nghĩa “giao dịch với lượng tiền lớn” (việc chuyển đổi liệu không làm tính chất liệu mà cịn làm rõ ý nghĩa loại liệu).[1] 3) Gom cụm đánh giá cụm: Ở công đoạn liệu gom thành thuộc vào quy mô đường dây rửa tiền tình hình kinh tế Chính nhờ phức tạp mà kỹ thuật gom cụm lại phát huy điểm mạnh Đó không quan tâm quy mô rửa tiền lớn hay nhỏ mà quan tâm đến hành vi giống giao dịch Để xác định tài cụm tùy thuộc vào mức độ tối ưu phương khoản xét có bị nghi ngờ hay khơng phụ pháp gom cụm, đối tượng thuộc cụm thuộc vào phân khúc liệu người dùng định có hành vi giao dịch tương tự Để đánh giá xem cụm có chứa tài khoản xác định giá trị rơi vào phân khúc bị có hành vi đáng ngờ khơng, cần phải cung cấp số tiêu chí đánh giá cụm Qua khảo sát ngân hàng X viết cung cấp tiêu chí để đánh giá cụm sau: Trường hợp 1: Nghi ngờ gửi tiền xoay "nghi ngờ" Trường hợp 3: Nghi ngờ thu gom tiền: Dựa vào thuộc tính sau - SỐ LẦN NHẬN: Số lần nhận tiền đặc biệt - nhiều so với tài khoản khác SỐ QUAN HỆ NHẬN TIỀN : Số lượng tài vòng : Trị tuyệt đối tổng lượng tiền giao dịch khoản khác gửi tiền vào tài khoản tài khoản ( |tổng nhận - tổng gửi| ) - thuộc nhiều so với tài khoản khác TỔNG TIỀN NHẬN : Tổng tiền nhận lớn, tính R_S - nhỏ (giá trị tiến 0) Đối với - trường hợp gửi tiền xoay vòng lượng tiền luân (vượt qua mức cảnh báo ngân hàng) chuyển qua tài khoản cuối trở tài nhiên số tiền nhận đợt lại nhỏ vừa Tương tự trường hợp gửi tiền phân tán khoản gốc, tài khoản tham gia vào quy trình có điểm chung thực giao áp dụng cho trường hợp giao dịch nhận tiền dịch gửi tiền nhận tiền với số tiền tương đương từ nhiều tài khoản khác Nhận xét qua tập tiêu chí dùng để đánh giá nên thống kê R_S nhỏ Không thể dùng cụm nhận có trường trường hợp cố định R_S = vài hợp tiền xoay vịng chứa tài khoản có hành vi trường hợp phức tạp tài khoản tham gia rửa tiền có tương tự Đối với trường hợp phân tán thu thể thực giao dịch đổi sang ngoại tệ khác gom tiền tài khoản tham gia vào lợi dụng giá trị chênh lệch loại tiền vào thời hai quy trình thuộc nhóm có hành vi trái điểm khác để làm thay đổi giá trị R_S ngược Do kết gom cụm trường hợp Theo thơng tin từ ngân hàng giao dịch đổi tiền không lưu vào CSDL Trường hợp 2: Nghi ngờ phân tán tiền: Dựa hình thành cụm chứa tài khoản có vào thuộc tính : phân tán tiền nhiều nguồn) hình 3.1 Khi tiến hành vi đặc biệt (nhận tiền từ nhiều nguồn hay hành kiểm tra mối quan hệ tài khoản đáng ngờ phải kiểm tra toàn tập liệu Hình 6: Phân tán gom tụ tiền 4) Kiểm tra quan hệ tài khoản thuộc cụm có dấu hiệu đáng ngờ: Sau xác định cụm có dấu hiệu đáng ngờ, cần phải xác định mối quan hệ tài khoản thuộc cụm để xác minh xem tài khoản tham gia vào giao đường dây rửa tiền giao dịch rữa tiền thực Bài viết đề xuất sử dụng kết hợp hệ quản trị CSDL với cấu trúc n-tree để lần theo vết quan hệ tài khoản xét KẾT QUẢ THỰC NGHIỆM Tác giả viết tiến hành thực nghiệm 8020 dòng liệu chuyển tiền ngân hàng X cung cấp Sau chuyển đổi thành liệu giao dịch trở thành 12.350 dòng Tác giả viết thêm vào 25 dòng liệu chuyển tiền giả lập trường hợp rửa tiền sau: Hình 7: Các trường hợp rửa tiền giả lập Bảng 2: Kết thực nghiệm Hình thức rửa tiền Xoay vòng Thuật toán CLOPE Cụm 12 đối tượng/12 Cụm 19 đối tượng/1 Tổng : 13 đối tượng / 13 Cụm đối tượng/1804 Cụm 21 đối tượng/1 Phân tán tiền Tổng: đối tượng/ 1805 Cụm đối tượng/1296 Cụm 18 đối tượng/1 Thu gom tiền Tổng cộng: đôi tượng/ 1297 KẾT LUẬN Thuật toán K-means Cụm đối tượng/246 Cụm 9 đối tượng/143 Tổng: 13 đối tượng / 389 Cụm đối tượng/246 Cụm 1 đối tượng/3178 Cụm đối tượng/3039 Cum đối tượng/1091 Cụm đối tượng/966 Tổng: đối tượng/ 8520 Cụm đối tượng/246 Cụm đối tượng/3178 Cụm đối tượng/3039 Cụm 16 đối tượng/159 Tổng cộng: đối tượng / 6622 Qua khảo sát dựa vào yêu cầu ngân hàng nơi cung cấp liệu cho thấy toán rửa tiền chiếm nhiều quan tâm cần phải có tham gia phân tích người dủng nên kinh tế nước ta Bài viết cung cấp hướng tiếp cận để cung cấp tiêu chí đánh giá cụm phân hoạch tốn nhận dang giao dịch rửa tiền theo hướng liệu kết hợp với khai phá liệu, thuật toán CLOPE áp dụng viết phù hợp với trường hợp liệu đưa Tuy nhiên để hiệu miền liệu Do chưa thể nói viết cung cấp chế hoàn toàn tự động Kết hệ thống dùng làm liệu đầu vào cho hệ thống tự động phân loại đánh giá liệu gắn nhãn trình bày hướng tiếp cận đầu việc phát giao dịch rữa tiền TÀI LIỆU THAM KHẢO [1] PGS.TS.Đỗ Phúc, 2008, Giáo trình KHAI THÁC DỮ LIỆU Data Mining, Nhà xuất Đại Học Quốc Gia TP HCM [2] Tập thể tác giả Yiling Yang-Xudong Guan-Jinyuan You, 2002, CLOPE: A Fast and Effective Clustering Algorithm for Transactional Data, Shanghai Jiao Tong University [3] Linard Moll from Switzerland, 9/2009, Master Thesis : Anti Money Laundering under real world conditions - Findingrelevantpatterns,Universitys of Zurich, , pp 4-15 [4] Ths.Vũ Lan Phương, 2006, NGHIÊN CỨU VÀ CÀI ĐẶT MỘT SỐ GIẢI THUẬT PHÂN CỤM, PHÂN LỚP, Đại Học Bách Khoa Hà Nội [5] Kenneth H Rosen,2000, sách giáo khoa: Toán học rời rạc ứng dụng tin học, NXB Khoa Học Và Kỹ Thuật, người dịch : Phạm Văn Thiều, Đặng Hữu Thịnh [6] Nhóm tác giả Nhien-An Le-Khac, Sammer Markos, M-Tahar Kechadi, 2009, A Heuristics Approach for Fast Detecting Suspicious Money Laundering Cases in an Investment Bank [7] Nhóm tác giả Ankita Vimal, Satyanarayana R Valluri, Kamalakar Karlapalem,, 2008, An Experiment with Distance Measures for Clustering [8] Nhóm tác giả Surachai, Wiwattanacharoenchai, Anongnart Srivihok, Data Mining of Electronic Banking in Thailand: Usage Behavior Analysis by Using K-Means Algorithm [9] Webpage : Wikipedia – searching about transaction database, http://en.wikipedia.org/wiki/Database_transaction [10] Webpage : Tìm hiểu hình thức rửa tiền, http://www.vnecon.vn/showthread.php/3764-R %E1%BB%ADa-ti%E1%BB%81n-l%C3%A0-g%C3%AC-C%C3%A1c-h%C3%ACnh-th%E1%BB %A9c-r%E1%BB%ADa-ti%E1%BB%81n-hi%E1%BB%87n-nay [11] Webpage : Phòng chống rửa tiền Việt Nam 3/2009 http://www.hids.hochiminhcity.gov.vn/Noisan/32009/mach3.htm ... khoản người nhận Số tiền giao dịch Loại tiền giao dịch Thời gian giao dịch Các thuộc tính cho thấy thông tin chi tiết đặc trưng cho số giao dịch đáng ngờ giao dịch chuyển tiền Khi xét Các tài khoản... đổi liệu: Phần trình bày cấu trúc bước Ở công đoạn liệu chuyển tiền xử lý hệ thống nhận dạng rửa tiền tác cặp tài khoản thống kê thành liệu giả viết đề cập Hệ thống nhận dạng giao dịch giao dịch. .. chất nghi ngờ rửa tiền thay tìm kiếm giao dịch rửa tiền cách trực tiếp Phương pháp có ưu điểm giới hạn quy mơ tìm kiếm giao dịch rửa tiền tài khoản có dấu hiệu đáng ngờ 2.3 Mơ hình liệu học chốt