The object of research, development or design (in Russian) : Методы машинного обучения в выявлении финансирования террористической деятельности

The object of research, development or design (in Kazakh) : Терроризмді қаржыландыруды анықтауда машиналық оқыту әдістері

Aim of work (in Russian) : Обзор методов интеллектуального анализа, которые можно использовать для выявления финансовых преступлений. Разработка модели машинного обучения для выявления финансирования террористических организаций на основе открытых данных для определения максимально возможного набора аномалий финансирования.

Aim of work (in Kazakh) : Қаржылық қылмыстарды анықтау үшін қолдануға болатын интеллектуалды талдау әдістеріне шолу. Қаржыландыру ауытқуларының ең жоғары жиынтығын анықтау үшін ашық деректер негізінде террористік ұйымдарды қаржыландыруды анықтау үшін машиналық оқыту моделін әзірлеу.

Методы исследования (на русском) : В нашем предложении по разработке системы обнаружения финансовых преступных действий, связанных с финансированием терроризма, мы предлагаем использовать нейронные сети в качестве основного метода оценки и аннотирования данных в сочетании с традиционными подходами машинного обучения (МО). Исследователи обычно используют методы обнаружения выбросов с сильно искаженными наборами данных, пытаясь раскрыть случаи финансовых преступлений. Согласно обзору литературы Авторы рекомендуют использовать подходы машинного обучения, такие как алгоритмы классификации и кластеризации, для изучения финансовых данных с целью выявления типичных закономерностей и аномалий, связанных с финансированием терроризма. Авторы выявляют потенциальные случаи финансирования терроризма, используя различные методы машинного обучения, такие как деревья решений, случайные леса и машины опорных векторов, чтобы классифицировать денежные транзакции как «нормальные» или «подозрительные» и определять возможные источники финансирования.

Методы исследования (на казахском) : Терроризмді қаржыландыруға қатысты қаржылық қылмыстарды анықтау жүйесін әзірлеу жөніндегі ұсынысымызда біз дәстүрлі машиналық оқыту (ML) тәсілдерімен үйлестіре отырып, деректерді бағалау және аннотациялаудың негізгі әдісі ретінде нейрондық желілерді пайдалануды ұсынамыз. Зерттеушілер, әдетте, қаржылық қылмыс істерін ашу әрекеті үшін өте бұрмаланған деректер жиынында шектен шығуды анықтау әдістерін пайдаланады. Әдебиетті шолуға сәйкес, Авторлар терроризмді қаржыландырумен байланысты жалпы үлгілер мен ауытқуларды анықтау үшін қаржылық деректерді зерттеу үшін жіктеу және кластерлеу алгоритмдері сияқты машиналық оқыту тәсілдерін пайдалануды ұсынады. Авторлар ақша транзакцияларын «қалыпты» немесе «күдікті» деп жіктеу және қаржыландырудың ықтимал көздерін анықтау үшін шешім ағаштары, кездейсоқ ормандар және қолдау векторлық машиналары сияқты әртүрлі машиналық оқыту әдістерін қолдана отырып, терроризмді қаржыландырудың ықтимал жағдайларын анықтайды.

Obtained results and novelty (in Russian) : В ходе исследования были разработаны математические модели принятия решений для выявления аномальных транзакций, связанных с отмыванием денег и финансированием терроризма. Проведена визуализация этих моделей, что позволило улучшить интерпретацию результатов и повысить эффективность принятия решений в области финансовой безопасности. Была предложена гибридная модель, объединяющая методы классификации, кластеризации и обнаружения аномалий, обеспечивающая более точное и своевременное выявление подозрительных транзакций. Разработана архитектура программного обеспечения для системы обнаружения аномальных транзакций, включающая рекомендации по выбору технологического стека, алгоритмов машинного обучения и архитектурного стиля. Новизна работы заключается в разработке интегрированного подхода к выявлению аномальных финансовых операций, использующего передовые методы машинного обучения и визуализации. Предложенные решения способствуют повышению эффективности борьбы с финансированием терроризма

Obtained results and novelty (in Kazakh) : Зерттеу барысында ақшаны жылыстату және терроризмді қаржыландырумен байланысты аномальды транзакцияларды анықтау үшін шешім қабылдау математикалық модельдері әзірленді. Осы модельдерді визуализациялау нәтижелерді түсіндіруді жақсартып, қаржылық қауіпсіздік саласында шешім қабылдаудың тиімділігін арттырды. Классификация, кластеризация және аномалияларды анықтау әдістерін біріктіретін гибридті модель ұсынылып, күдікті транзакцияларды дәлірек және уақытылы анықтауға мүмкіндік берді. Аномальды транзакцияларды анықтау жүйесі үшін бағдарламалық қамтамасыз етудің архитектурасы әзірленді, онда технологиялық стек, машиналық оқыту алгоритмдері және архитектуралық стиль бойынша ұсыныстар енгізілді. Жұмыстың жаңашылдығы машиналық оқытудың және визуализацияның алдыңғы қатарлы әдістерін қолданатын аномальды қаржылық операцияларды анықтаудың интеграцияланған тәсілін әзірлеуден тұрады. Ұсынылған шешімдер терроризмді қаржыландырумен күресудің тиімділігін арттыруға ықпал етеді.

The main constructive and technical economic indicators (in Russian) : Прогнозируемый социально-экономический эффект заключается в том, что наша технология позволит выявлять не только каналы финансирования терроризма, но и предотвращать деятельность таковых путем перекрытия финансирования, а так же обнаружения точек террористических организаций.

The main constructive and technical economic indicators (in Kazakh) : Болжалды әлеуметтік-экономикалық нәтиже мынада: біздің технология терроризмді қаржыландыру арналарын анықтауға ғана емес, сонымен қатар қаржыландыруды тоқтату, сондай-ақ террористік ұйымдардың нүктелерін анықтау арқылы мұндай әрекеттердің алдын алуға мүмкіндік береді.

Level of implementation (in Russian) : Степень внедрения проекта будет определена в последующих этапах.

Level of implementation (in Kazakh) : Жобаны іске асыру дәрежесі келесі кезеңдерде анықталатын болады.

Efficiency (in Russian) : Научный эффект заключается в том, что внедрение искусственных нейронных сетей в органах национальной безопасности, а также информационных технологий приведет к значительному прогрессу в развитии выявления и самое главное пресечения террористической деятельности на территории РК.

Efficiency (in Kazakh) : Ғылыми нәтиже ұлттық қауіпсіздік органдарында жасанды нейрондық желілерді, сондай-ақ ақпараттық технологияларды енгізу Қазақстан Республикасының аумағында террористік әрекеттерді анықтау және ең бастысы жолын кесуді дамытуда айтарлықтай ілгерілеуге әкеледі.

Field of application (in Russian) : Областью применения разработанной платформы станет финансовый сектор и сектор национальной безопасности Республики

Field of application (in Kazakh) : Дайындалған платформаның қолдану саласы қаржы секторы мен Республиканың ұлттық қауіпсіздік секторы болады.