通过机器学习实现三重记账制度的转换：提升透明度的分析之路
密码学与安全
2024-11-26 v1 机器学习
摘要
三重记账（TE）是一种会利用三个账户或“条目”来记录每笔交易的会计方法，而不是采用传统的双重记账制度。已有研究发现，TE 记账凭借其额外的验证层和披露组织间关系的特性，可能有助于改善复杂金融和供应链交易（如区块链）中的透明度。机器学习（ML）作为一种增强 TE 记账透明度优势的有前景的途径。通过自动化完成 TE 记账所需的某些数据收集和分析，ML 技术有潜力使这一更透明的会计方法在规模较大的拥有复杂国际供应链的组织中变得可行，从而进一步提升财务报告的可见性和可信度。通过利用 ML 算法，可以迅速识别分布式账本数据中的异常情况，标记潜在的欺诈或错误。此外，通过深入分析随时间推移的交易关系，ML 可以解构复杂的交易网络，揭示隐藏的交易活动，添加一个调查维度。本文旨在展示 TE 与 ML 之间的相互作用，以及它们如何利用透明度水平。
引用
@article{arxiv.2411.15190,
title = {Transforming Triple-Entry Accounting with Machine Learning: A Path to Enhanced Transparency Through Analytics},
author = {Abraham Itzhak Weinberg and Alessio Faccia},
journal= {arXiv preprint arXiv:2411.15190},
year = {2024}
}