پیش گیری و کشف کلاهبرداری همواره از دغدغه های نظام های مالی و اقتصادی ‏بوده است. کلاهبرداری های الکترونیکی با توجه به گسترش استفاده از خدمات ‏الکترونیکی موسسات مالی، سهم بزرگی را در این میان دارند. سیستم های مالی از یک ‏سو درگیر مسائل مربوط به فراهم نمودن بستر امن ارتباطی می باشند؛ و از سوی دیگر ‏می باید با مشکلات ناشی از استفاده از نرم افزارها در تولید داده های نادرست و غیرواقعی ‏در مقیاس انبوه دست و پنجه نرم کنند. از ملموس ترین انواع کلاهبرداری مالی می توان ‏به عددسازی و حساب سازی اشاره کرد.‏ به صورت کلی داده های با منشأ طبیعی (بدون دست کاری) از نظر توزیع آماری، ‏دارای رفتاری خاص هستند که با استفاده از قانون بنفورد قابل پیش بینی است. در این ‏پژوهش ضمن معرفی بستر کشف کلاهبرداری های مالی، راهکاری جدید مبتنی بر آمار ‏و ترکیب آن با شبکه عصبی جهت کشف سریع و دقیق موارد عددسازی و دست کاری ‏عددی پیشنهاد نموده ایم. چهارچوب کمک تصمیم گیری پیشنهاد شده، با توجه به ‏دقت چشمگیری که در کشف کلاهبرداری نشان داده است، می تواند جایگزینی برای ‏نظر یک حسابرس نه چندان خبره و راهنمای حسابرسان جهت بررسی هدفمند ‏دادگان مالی باشد.‏