In questo studio viene sviluppato un algoritmo di machine learning per rilevare aziende potenzialmente collegate alla criminalità organizzata (CO). A questo scopo, si utilizza un dataset di imprese italiane ottenuto integrando informazioni finanziarie provenienti da varie fonti, tra cui principalmente dati di bilancio. Per addestrare e testare il modello, un campione di oltre 28.000 aziende italiane, caratterizzate da una elevata probabilità di essere collegate alla CO, viene confrontato con sottoinsiemi di aziende presumibilmente “sane” selezionati casualmente. I risultati ottenuti mostrano che, in fase di test, l’algoritmo identifica con successo circa il 76% delle aziende collegate alla CO (recall) e il 74% delle aziende presumibilmente “sane” (specificity). Il principale output dell’algoritmo è un punteggio di rischio, che potrebbe essere utilizzato a livello operativo per supportare l’azione delle autorità anti-riciclaggio e delle forze dell’ordine (ad esempio, come strumento di screening preliminare).

Fonte: UIF

N. 22 – Un modello di machine learning per l’identificazione di aziende collegate alla criminalità organizzata in Italia
(estratto non tecnico, in italiano)

N. 22 – A machine learning approach for the detection of firms linked to organised crime in Italy
(studio completo, in inglese)