Financial risk management Financial risk management Управление финансовыми рисками 2221-7541 2618-8805 BIBLIO-GLOBUS Publishing House 125019 10.18334/ufr.22.3.125019 BQKZWY Articles Статьи Research Article NLP screening as an early detection tool of extremism financing signs NLP-скрининг как инструмент раннего выявления признаков финансирования экстремизма https://orcid.org/0000-0002-8375-85245336-2711 Koroleva Lyudmila Pavlovna Королева Людмила Павловна

доцент Кафедры экономической безопасности и управления рисками, кандидат экономических наук, доцент

 lpkoroleva@fa.ru https://orcid.org/0009-0007-9770-933X Fedorov Aleksey Konstantinovich Федоров Алексей Константинович

Студент бакалавриата, 4 курс

 aleksei.fedorov.k@gmail.com Financial University under the Government of the Russian Federation Финансовый университет при Правительстве Российской Федерации 30 09 2026 22 3 VOL 22, NO3 (2026) ТОМ 22, №3 (2026) 30 03 2026 01 05 2026 Copyright ©; 2026, Koroleva L.P., Fedorov A.K. Copyright ©; 2026, Королева Л.П., Федоров А.К. 2026 Koroleva L.P., Fedorov A.K. Королева Л.П., Федоров А.К. https://1economic.ru/lib/125019

The article develops an approach for the early detection of extremism financing signs in digital textual content. Currently, extremist activity persists; and financial support mechanisms are becoming more complex. In those mechanisms texts are used not only for ideological influence but also to coordinate the collection and transfer of funds. The article clarifies the importance of early detection of financial signals for monitoring and shows that general content classification by extremist orientation is insufficient. The article systematizes the main signs of extremism financing in textual content, including direct fundraising appeals, publication of payment details, transfer instructions, concealment of payment purpose, role coordination, and repeated campaign dissemination. Based on this, the article proposes an analytical approach to automated text screening, shifting focus from individual text signals to identifying campaign financial infrastructure. This approach makes it possible to increase the targeting of analysis and reduce the cost of primary information processing. The study concludes that the developed framework can be used as a tool for early case selection in financial monitoring.

Статья посвящена разработке подхода к раннему выявлению признаков финансирования экстремизма в текстовом контенте в цифровой среде. Тема актуальна ввиду сохранения экстремистской активности и усложнения механизмов ее финансовой поддержки, в которых тексты используются не только для идеологического влияния, но и для координации сбора и перевода средств. В исследовании уточнено значение раннего выявления финансовых сигналов для мониторинга и показано, что для решения данной задачи недостаточно общей классификации контента по признаку экстремистской направленности. В работе представлены основные признаки финансирования экстремизма в текстовом контенте, включая прямые призывы к сбору средств, публикацию реквизитов, инструктивное сопровождение переводов, маскировку назначения платежа, координацию ролей и повторное тиражирование кампаний. На этой основе предложен анализ автоматизированного скрининга текстового контента, ориентированный на переход от отдельного текстового сигнала к выявлению финансовой инфраструктуры кампании. Показано, что применение этого подхода позволяет повысить адресность анализа и снизить издержки первичной обработки информации. Сделан вывод, что разработанная система признаков и аналитический подход могут использоваться Росфинмониторингом для раннего выявления схем финансирования экстремизма

 extremism financing financial monitoring textual content financing signs natural language processing early detection финансирование экстремизма финансовый мониторинг текстовый контент признаки финансирования обработка естественного языка раннее выявление 1. Баранов В.В. Использование искусственного интеллекта для выявления и предотвращения распространения экстремистской и террористической пропаганды в Интернете // Труды Академии управления МВД России. – 2024. – № 4. – c. 113-128. 2. Лашин Г.А., Охотников И.В., Сибирко И.В. Влияние новых технологий на финансирование терроризма // Московский экономический журнал. – 2022. – № 8. – c. 40. 3. Минаев В.А., Поликарпов Е.С., Симонов А.В. Методы снижения шумовых факторов при выявлении контента экстремистского характера в социальных медиа // Информация и безопасность. – 2022. – № 2. – c. 179–186. 4. Минаев В.А., Реброва А.Д., Симонов А.В. Выявление деструктивного контента в социальных медиа на основе моделей машинного обучения // Информация и безопасность. – 2021. – № 1. – c. 7–20. 5. Минаев В.А., Симонов А.В. Просеивание телеграм-каналов при поиске контента экстремистского характера // Информация и безопасность. – 2023. – № 1. – c. 25–30. 6. Минаев В.А., Симонов А.В. Сравнение моделей-трансформеров BERT при выявлении деструктивного контента в социальных медиа // Информация и безопасность. – 2022. – № 3. – c. 341–348. 7. Пинкевич Т.В., Зубалова О.А. Цифровая трансформация и ее влияние на уровень угроз финансирования экстремизма и терроризма // Образование и право. – 2022. – № 9. – c. 27–29. 8. Al-Shawakfa E.M., Alsobeh A.M.R., Omari S., Shatnawi A. RADAR#: An Ensemble Approach for Radicalization Detection in Arabic Social Media Using Hybrid Deep Learning and Transformer Models // Information. – 2025. – № 7. – p. 522. 9. Araque Ó., Sánchez-Rada J.F., Carrera Á., Iglesias C.Á., Tardío J., García-Grao G., Musolino S., Antonelli F. Making Sense of Language Signals for Monitoring Radicalization // Applied Sciences. – 2022. – № 17. – p. 8413. 10. De Kock C., Hovy E. Investigating Radicalisation Indicators in Online Extremist Communities // Proceedings of the 8th Workshop on Online Abuse and Harms (WOAH). – 2024. – p. 1–12. 11. FATF. Comprehensive Update on Terrorist Financing Risks. Paris: FATF/OECD, 2025. 12. FATF. Crowdfunding for Terrorism Financing. Paris: FATF/OECD, 2023. 13. FATF. Opportunities and Challenges of New Technologies for AML/CFT. Paris: FATF/OECD, 2021. 14. Gaikwad M., Ahirrao S., Phansalkar S., Kotecha K. Online Extremism Detection: A Systematic Literature Review With Emphasis on Datasets, Classification Techniques, Validation Methods, and Tools // IEEE Access. – 2021. – p. 48364–48404. 15. Keatinge T., Keen F. Social Media and (Counter) Terrorist Finance: A Fund-Raising and Disruption Tool // Studies in Conflict Terrorism. – 2019. – № 1-2. – p. 178–205. 16. Ravi K., Yuan J.-S. Ideological Orientation and Extremism Detection in Online Social Networking Sites: A Systematic Review // Intelligent Systems with Applications. – 2024. – p. 200456. 17. Talat Z., Schlichtkrull M.S., Madhyastha P., De Kock C. Pathways to Radicalisation: On Research for Online Radicalisation in Natural Language Processing and Machine Learning // Proceedings of the 9th Workshop on Online Abuse and Harms (WOAH). – 2025. – p. 276–283.