Article 54

دور التعلم الآلي كأحد تطبيقات الذكاء الاصطناعي في اكتشاف الاحتيال في القوائم المالية: دراسة ميدانية على عينة من المصارف في ولاية الخرطوم

د. حنان حسين عيسى كرم¹

The Role of Machine Learning as an Artificial Intelligence Application in Detecting Fraud in Financial Statements

Dr. Hanan Hussein Issa Karam¹

DOI: https://doi.org/10.53796/hnsj76/54

المعرف العلمي العربي للأبحاث: https://arsri.org/10000/76/54

المجلد (7) العدد (6). الصفحات: 946 - 983

تاريخ الاستقبال: 2026-05-20 | تاريخ القبول: 2026-05-25 | تاريخ النشر: 2026-06-01

Download PDF

المستخلص: هدفت الدراسة إلى بيان دور التعلم الآلي بوصفه أحد تطبيقات الذكاء الاصطناعي في اكتشاف الاحتيال في القوائم المالية، وذلك من خلال الوقوف على أثر الخوارزميات غير المراقبة والتحديث المستمر لنماذج التعلم الآلي في تعزيز قدرة المصارف على رصد الأنماط غير الطبيعية والمؤشرات الدالة على التلاعب المالي. اعتمدت الدراسة المنهج الوصفي التحليلي، واستخدمت الاستبانة أداةً لجمع البيانات من عينة عشوائية مكونة من 45 مفردة من العاملين في المصارف والقطاع المالي بولاية الخرطوم، وتم تحليل البيانات باستخدام برنامج الحزمة الإحصائية للعلوم الاجتماعية SPSS بالاعتماد على التكرارات والنسب المئوية والمتوسطات الحسابية والانحرافات المعيارية ومعامل الثبات ألفا كرونباخ. أظهرت النتائج وجود اتجاه إيجابي لدى أفراد العينة نحو أهمية استخدام خوارزميات التعلم الآلي غير المراقبة في تقليل الاحتيال بالقوائم المالية، وتحسين دقة اكتشافه مقارنة بالطرق التقليدية، فضلاً عن دورها في تقليل الوقت اللازم لاكتشاف الحالات المشبوهة. كما بينت النتائج أن التحديث المستمر لنماذج التعلم الآلي يسهم في رفع قدرة المصارف على مواكبة أساليب الاحتيال المتجددة، إلا أن التطبيق العملي يواجه تحديات تتعلق بجودة البيانات، وصعوبة تفسير بعض مخرجات النماذج، والحاجة إلى خبرات فنية متخصصة. وأوصت الدراسة بضرورة تعزيز البنية التحتية الرقمية في المصارف، وتطوير قواعد بيانات مالية دقيقة ومتكاملة، وتدريب الكوادر المالية والمحاسبية على استخدام تقنيات التعلم الآلي، إلى جانب تبني سياسات مستمرة لتحديث النماذج الذكية بما يواكب التطورات التكنولوجية وأساليب الاحتيال المالي الحديثة.

الكلمات المفتاحية: التعلم الآلي؛ الذكاء الاصطناعي؛ الاحتيال المالي؛ القوائم المالية؛ الخوارزميات غير المراقبة؛ المصارف.

Abstract: This study aimed to examine the role of machine learning as one of the applications of artificial intelligence in detecting fraud in financial statements, by investigating the impact of unsupervised algorithms and the continuous updating of machine learning models on enhancing banks’ ability to identify abnormal patterns and indicators of financial manipulation. The study adopted the descriptive analytical method and used a questionnaire as the main tool for data collection. The questionnaire was distributed to a random sample of 45 respondents working in banks and the financial sector in Khartoum State. The data were analyzed using the Statistical Package for the Social Sciences (SPSS), relying on frequencies, percentages, arithmetic means, standard deviations, and Cronbach’s alpha reliability coefficient. The findings revealed a positive attitude among the respondents toward the importance of using unsupervised machine learning algorithms in reducing fraud in financial statements, improving the accuracy of fraud detection compared with traditional methods, and reducing the time required to detect suspicious cases. The results also showed that the continuous updating of machine learning models contributes to improving banks’ ability to keep pace with emerging fraud techniques. However, practical implementation faces several challenges related to data quality, the difficulty of interpreting some model outputs, and the need for specialized technical expertise. The study recommended strengthening the digital infrastructure of banks, developing accurate and integrated financial databases, training financial and accounting staff in the use of machine learning techniques, and adopting continuous policies for updating intelligent models in line with technological developments and modern financial fraud methods.

Keywords: Machine Learning; Artificial Intelligence; Financial Fraud; Financial Statements; Unsupervised Algorithms; Banks.