The object of research, development or design (in Russian) : Объектом разработки является интеллектуальная система анализа и классификации криптовалютных транзакций, предназначенная для автоматизированного выявления подозрительных операций на основе данных блокчейна.

The object of research, development or design (in Kazakh) : Дайындалатын нысан блокчейн деректері негізінде күмәнді операцияларды автоматтандырылған түрде анықтауға арналған криптовалюталық транзакцияларды талдау мен жіктеудің интеллектуалды жүйесі.

Aim of work (in Russian) : Целью проекта является проведение комплексного исследования и разработка системы для анализа нелегальных криптовалютных транзакций, способной эффективно выявлять и прогнозировать угрозы безопасности. Система будет направлена на обнаружение подозрительных и незаконных операций, включая финансирование экстремизма и отмывание денег.

Aim of work (in Kazakh) : Жобаның мақсаты заңсыз криптовалюталық транзакцияларды талдау үшін кешенді зерттеу жүргізу және қауіпсіздікке қатысты қауіптерді тиімді анықтап, болжауға қабілетті жүйе әзірлеу. Жүйе күмәнді және заңсыз операцияларды, соның ішінде экстремизмді қаржыландыру және ақша жуу сияқты әрекеттерді анықтауға бағытталатын болады.

Методы исследования (на русском) : В работе используются методы анализа и обработки данных, машинного обучения и графового моделирования. Применяются подходы статистического анализа, кластеризации и классификации, методы построения и исследования графов транзакций, а также алгоритмы извлечения признаков (feature engineering), включая структурные, временные и гиперграфовые характеристики. Для отбора информативных признаков используются эволюционные и генетические алгоритмы. Анализ и моделирование выполняются с применением Python, библиотек машинного обучения (scikit-learn, XGBoost, LightGBM) и инструментов анализа графов (NetworkX, iGraph).

Методы исследования (на казахском) : Жұмыста деректерді талдау мен өңдеу, машиналық оқыту және графтық модельдеу әдістері қолданылады. Статистикалық талдау, кластерлеу және жіктеу тәсілдері, транзакциялар графтарын құру және зерттеу әдістері, сондай-ақ құрылымдық, уақыттық және гиперграфтық сипаттамаларды қамтитын белгілерді шығару (feature engineering) алгоритмдері пайдаланылады. Ақпараттық белгілерді іріктеу үшін эволюциялық және генетикалық алгоритмдер қолданылады. Талдау мен модельдеу Python тілінде, машиналық оқыту кітапханалары (scikit-learn, XGBoost, LightGBM) және графтарды талдау құралдары (NetworkX, iGraph) арқылы жүзеге асырылады.

Obtained results and novelty (in Russian) : Выполнено комплексное исследование и отбор источников ончейн-данных (Blockchain.com, Kaggle и др.) с оценкой качества, доступности и частоты обновления; спроектирован единый каталог данных. Разработан и протестирован модуль автоматизированного сбора и предварительной обработки с очисткой, нормализацией и унификацией форматов, что обеспечило готовность данных к анализу. Научная новизна состоит в формировании и формализации системы критериев нелегальных транзакций, основанной на типичных схемах отмывания и международных практиках, представленной в виде воспроизводимых правил и признаков для интеграции в ML-модели.

Obtained results and novelty (in Kazakh) : Ончейн-деректердің (Blockchain.com, Kaggle және т.б.) сапасын, қолжетімділігін және жаңартылу жиілігін бағалау негізінде кешенді зерттеу мен дереккөздерді іріктеу жүргізілді; бірыңғай деректер каталогы жобаланды. Деректерді автоматтандырылған түрде жинау және алдын ала өңдеу модулі әзірленіп, сынақтан өткізілді, ол деректерді тазалау, нормализациялау және форматтарды бірыңғайлау арқылы талдауға дайындығын қамтамасыз етті. Ғылыми жаңалығы – типтік ақшаны жылыстату схемалары мен халықаралық тәжірибелерге негізделген заңсыз транзакцияларды анықтау критерийлерінің жүйесін қалыптастыру және формализациялау, бұл жүйе машиналық оқыту модельдеріне біріктіруге арналған қайта өндіруге болатын ережелер мен белгілер түрінде ұсынылған.

The main constructive and technical economic indicators (in Russian) : Определяется созданием возможности выявления незаконных криптовалютных транзакций , что обеспечит безопасность финансовой системы.

The main constructive and technical economic indicators (in Kazakh) : Ол қаржы жүйесінің қауіпсіздігін қамтамасыз ететін заңсыз криптовалюта транзакцияларын анықтау мүмкіндігін жасаумен анықталады.

Level of implementation (in Russian) : нет

Level of implementation (in Kazakh) : жоқ

Efficiency (in Russian) : Эффективность научно-исследовательской работы состоит в возможности практического использования разработанных методов для обнаружения нелегальных криптовалютных транзакций и повышении качества их идентификации.

Efficiency (in Kazakh) : Ғылыми-зерттеу жұмысының тиімділігі әзірленген әдістерді заңсыз криптовалюталық транзакцияларды анықтау және олардың идентификация сапасын арттыру мақсатында іс жүзінде қолдану мүмкіндігімен айқындалады.

Field of application (in Russian) : Различные государственные и частные структуры, работающие в области финансовых технологий и кибербезопасности такие как: Агентство Республики Казахстан по финансовому мониторингу, Комитет национальной безопасности Казахстана.

Field of application (in Kazakh) : Қаржы технологиялары мен киберқауіпсіздік саласында жұмыс істейтін түрлі мемлекеттік және жеке құрылымдар, мысалы: Қазақстан Республикасының Қаржылық мониторинг агенттігі, Қазақстан Республикасының Ұлттық қауіпсіздік комитеті.