Резюме: В условиях стремительной цифровизации государственного управления и усложнения фискальной среды возрастает потребность в переходе от регламентно-правовых механизмов налогового администрирования к интеллектуально-ориентированным моделям, основанным на технологиях искусственного интеллекта. Актуальность исследования обусловлена необходимостью повышения фискальной эффективности, снижения налоговых потерь и укрепления доверия к налоговой системе при одновременном соблюдении принципов законности и защиты персональных данных. Целью настоящей статьи является теоретическое обоснование и прикладное моделирование авторской концепции «Налоговый нейрощит» — интеллектуальной цифровой платформы нового поколения для управления налоговыми рисками. Методологическую основу исследования составили системный анализ, методы машинного обучения, архитектурное проектирование нейросетевых решений, а также нормативно-правовой анализ фискальной политики. В работе представлены функциональные и архитектурные особенности предлагаемой модели, включая адаптивность, модульность, интеграцию мультиисточниковых данных, алгоритмическую транспарентность и возможности правового аудита. На основе GAP-анализа продемонстрированы текущие барьеры внедрения ИИ в налоговую практику РФ и обоснована институциональная потребность в интеллектуализации налогового контроля. Полученные результаты свидетельствуют о потенциале «Налогового нейрощита» как инструмента не только повышения собираемости налогов и снижения коррупционных рисков, но и формирования доверительной цифровой среды фискального взаимодействия. Представленная концепция рассматривается автором как инновационный вектор развития налогового администрирования, ориентированный на устойчивость, прозрачность и предиктивность в условиях цифровой экономики.

Ключевые слова: искусственный интеллект, налоговое администрирование, нейросети, налоговый риск, цифровая трансформация, интеллектуальные системы, фискальная эффективность, предиктивная аналитика, налоговая безопасность, алгоритмическая прозрачность.

Для цитирования: Цой Т.Р. Нейросетевые подходы к идентификации налоговых рисков: концепция «Налоговый нейрощит» // Вестник Северо-Осетинского государственного университета имени К.Л. Хетагурова. 2025. № 3. С. 302–310. https://doi.org/10.29025/1994-7720-2025-3-302-310. 

Загрузить PDF   Загрузить JATS(XML)

(русский)

Об авторе:
Т.Р. Цой
Ростовский государственный экономический университет (РИНХ)
(Российская Федерация, г. Ростов-на-Дону);
ORCID ID: 0009-0001-0405-3973;
e-mail: tstr_08@mail.ru

Список литературы:
1. Вовченко Н.Г. Развитие государственного финансового контроля в обеспечении финансовой безопасности Российской Федерации / Н.Г. Вовченко, О.И. Карепина // Аудиторские ведомости. 2023. № 2. С. 65-71. DOI: 10.17686/17278058_2023_2_65.
2. Выявление потенциальных объектов налогообложения на основе геоинформационных систем и нейронных сетей / А.О. Рада, А.Е. Тимофеев, А.Д. Кузнецов и др. // Уголь. 2022. № S12. С. 120-126. DOI: http://dx.doi.org/10.18796/0041-5790-2022-S12-120-126.
3. Кирова Е.А., Пономаренко Е.А. Инновационные подходы в оптимизации налогообложения организаций // Вестник университета. 2024. № 4. С. 145-154. https://doi.org/10.26425/1816-4277-2024-4-145-154.
4. Огарков Г.Л., Садченкова Д.Ю. Применение технологии искусственного интеллекта как фактора устойчивого развития финансового рынка // Вестник Ростовского государственного экономического университета (PИHX). 2024. № 2(31). С. 140-147. doi: 10.54220/v.rsue.1991-0533.2024.10.10.015.
5. Сульженко С.А. Угрозы и риски цифровизации для налогового администрирования // Учет и статистика. 2023. № 1(69). С. 60-73. DOI: 10.54220/1994-0874.2023.35.76.006.
6. Цой Т.Р. Цифровизация налогового администрирования как фактор устойчивости и прозрачности финансовой системы / Т.Р. Цой, Д.Ю. Садченкова // Финансовые исследования. 2024. Т. 25. № 4(85). С. 71-79. DOI: 10.54220/finis.1991-0525.2024.85.4.007. 
7. Цой Т.Р. Цифровые технологии как инструмент формирования устойчивой налоговой культуры // Современные инструменты налогового регулирования в условиях трансформации социально-экономических процессов: Материалы Международной научно-практической конференции, Ростов-на-Дону, 04 декабря 2024 года. Ростов-на-Дону: Ростовский государственный экономический университет (РИНХ), 2025. С. 199-203.
8. Bezditnyi V. Use of artificial intelligence for tax planning optimization and regulatory compliance // Research Corridor Journal of Engineering Science. 2024. Т. 1. №. 1. С. 103-142.
9. Koivula K., Shamsuzzoha A., Shamsuzzaman M. Application of artificial intelligence as a knowledge creation instrument in tax procedures // Engineering Applications of Artificial Intelligence. 2024. Т. 133. С. 108417.
10. Methods of Neural Network Modeling of Clusterization of Taxpayers to Determine Credit Risk by a Financial Regulator / A. Biryukov, O. Brezhneva, L. Altynbaeva [et al.] // Lecture Notes in Networks and Systems. 2022. Vol. 315 LNNS. P. 3-13. DOI 10.1007/978-3-030-85799-8_1.
11. Natalia V., Olga, A., Valeria, D., Valeriya, K. The National Technological Initiative as a Digital “Lego Bricks” for Industries: Some Prospects of the Modernization New Wave in the Russia’s Economy. In: Aliev, R.A., Kacprzyk, J., Pedrycz, W., Jamshidi, M., Babanli, M., Sadikoglu, F.M. (eds.) ICAFS 2020. AISC, vol. 1306, pp. 346–353. Springer, Cham (2021). DOI: 10.1007/978-3-030-64058-3_43.
12. Swenson C. Using Machine Deep Learning AI to Improve Forecasting of Tax Payments for Corporations // Forecasting. 2024. Т. 6. №. 4. С. 968-984.
13. Xavier O.C. et al. Tax evasion identification using open data and artificial intelligence //Revista de Administração Pública. 2022. Т. 56. С. 426-440.
14. Zhang H., Li P. Paradigm Optimization and Architecture Design of Tax Governance in the Era of Artificial Intelligence // International Journal of High Speed Electronics and Systems. 2025. С. 2540674.
15. GovTech Innovation Lab [Электронный ресурс]. URL: https://govtechlab.gov.eg/ (дата обращения: 20.07.2025).