شناسایی تهیه کنندگان اظهارنامه های مالیاتی غیر واقعی بر اساس پردازش سیگنال های مغزی (EEG) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: مالیات یکی از منابع مالی دولت است، اما متأسفانه فرار مالیاتی سال هاست رواج پیداکرده؛ این در حالی است که بر اساس آخرین تغییرات قانون مالیات های مستقیم، محاسبه مالیات به روش علی الراس حذف و جرم مالیاتی اضافه گردیده است و سازمان امور مالیاتی برای اثبات اظهارنامه های غیرواقعی با مشکل روبرو می شود. لذا این پژوهش باهدف شناسایی تهیه کنندگان اظهارنامه های غیرواقعی بر اساس روش دروغ سنجی با استفاده از سیگنال های مغزی تهیه شده است؛ روش: روش دروغ سنجی مغزی، با بررسی سیگنال های مغزی (استخراج مؤلفه شناختی p300) افراد دروغ گو (G) را تشخیص می دهد. بدین منظور ابتدا پروتکل اودبال[1]</sup> با 20 سؤال متشکل از 17 سؤال عادی و 3 سؤال کلیدی طراحی شد که پاسخ های دوگانه "بله" و"خیر" داشت به نحوی که تمامی سؤالات 3 مرتبه تصادفی نمایش داده می شد. این آزمون روی 40داوطلب در دو گروه راست گو[2]</sup> (N)و دروغ گو[3]</sup> (G) متشکل از 10 آقا و10 خانم اجرا شد. که از این تعداد 33 سیگنال مغزی (16نفر درگروه راست گو (N)و17 نفر درگروه دروغ گو (G)) موردقبول و پردازش قرار گرفت. سپس دامنه p300 از سیگنال مغزی افراد دروغ گو (G) استخراج گردید و نتایج دو گروه موردبررسی قرار گرفت. یافته ها: نتایج به دست آمده با شناسایی 14 فرد راست گو (N) و 16 فرد دروغ گو (G) به طور صحیح حاکی از توانمندی روش پیشنهادی در تشخیص اظهارنامه های غیرواقعی از واقعی با صحت 91%، حساسیت 93.3%، ویژگی 88.9% و دقت 87.5% می باشد. نتیجه گیری: ازآنجایی که مغز، منشأ تصمیم گیری و سیگنال های مغزی، غنای اطلاعاتی بالایی دارد، دلایل کافی وجود دارد تا بتوان از روش پیشنهادی برای شناسایی تهیه کنندگان اظهارنامه های مالیاتی غیرواقعی استفاده کرد.Identifying Providers of Unrealistic Tax Returns by EEG Signal Processing
Objective: Although taxation is a government's central financial source, tax evasion has been commonly seen for many years. However, recent changes in the direct taxation act eliminated the arbitrary basis method for calculating taxes and adding the tax offense, making it difficult for the National Tax Administration to prove false tax returns.
Methods: Therefore, this study identifies the false tax return makers using a polygraph method based on brain signals. A brain polygraph method detects liars by examining brain signals (by extracting cognitive component p300). For this purpose, the Oddball protocol was designed with 20 questions, each with dual answers of "yes" or "no". Each question is displayed three times at random. First, the test was performed on 40 volunteers in two groups of truthful and liar consisting of 10 men and ten women. Thirty-three brain signals (16 in the truthful and 17 in the liar group) were recorded during this quasi-laboratory test. The p300 amplitude was extracted from liars' brain signals in the next step, and then both groups' results were analyzed.
Results: The results obtained by identifying 14 Normal individuals and 16 Guilty correctly indicate the capability of the proposed method in the detection of abnormal returns from real by accuracy, sensitivity, specificity, precision with 93.3%, 88.9%, 87.5% and 91% respectively.
Conclusion: Finally, since the brain is the source of the decision-making and brain signals contain much information, it would make sense to identify those who submit false tax returns using the proposed method.