10.14489/vkit.2023.04.pp.027-038

DOI: 10.14489/vkit.2023.04.pp.027-038

Коновалов В. А.
МЕТОДИКА КЛАССИФИКАЦИИ ТИПОЛОГИЙ РИСКОВ ОТМЫВАНИЯ ДОХОДОВ
(с. 27-38)

Аннотация. Исследована методика классификации типологий рисков отмывания доходов, полученных преступным путем, и финансирования терроризма в больших данных множества источников данных организационных систем. Теоретически обоснованы ее основные положения. Предложен алгебраический подход для синтеза методики. Этот подход реализуется на базе теории категорий и теории алгоритмов. В теории алгоритмов исследован алгоритм переработки слов Маркова. Рассмотрена N-схема алгоритма Маркова, разработанная на замену его известной g-схемы и обеспечивающая переработку слов в естественном, искусственном и комбинированном языках в алфавите Маркова A^±² – упорядоченном и расширенном – множества источников больших данных. Приведены способы ввода входных выборок данных, которые положены как априори неполные, неоднородные (гетерогенные) и нерепрезентативные. Представлен способ переработки выборок в циклы данных, сформированные в едином протоколе передачи данных. Синтезирована эталонная модель законной экономической деятельности организационной системы, которая подвергнута анализу, в результате получены признаки незаконной деятельности. Разработана модель системы классификации объектов для решения задачи противодействия отмыванию доходов, полученных преступным путем, и финансированию терроризма. Для решения задачи противодействия теоретически обоснована N-схема алгоритма Маркова для одного источника данных, а также система Маркова для множества источников больших данных. Синтезированная система Маркова обеспечивает переработку слов и их морфизмов, содержит единый канал управления вводом данных, обеспечивает классификацию рисков отмывания доходов, полученных преступным путем, и финансирования терроризма.

Ключевые слова: методика классификации типологий; отмывание доходов; большие данные; теория категорий; теория алгоритмов Маркова; искусственный интеллект.

Konovalov V. A.
METHODOLOGY FOR CLASSIFYING MONEY LAUNDERING RISKS TYPOLOGIES
(pp. 27-38)

Abstract. The method of classifying the typologies of money laundering and terrorist financing risks in big data from a variety of data sources of organizational systems is investigated. The main provisions of this technique are theoretically substantiated, reference models and calculation formulas are given. An algebraic approach for the synthesis of the method is proposed, a theoretical justification of the feasibility of its use is given. The algebraic approach to the synthesis of the methodology is implemented on the basis of category theory and the theory of algorithms, in particular the theory of Markov algorithms, which is considered outside of normal algorithms. The N-scheme of the Markov algorithm is considered, which was developed to replace its well-known g-scheme and provides processing of words in natural, artificial and combined languages, which can be represented in an ordered and extended Markov alphabet A^±², which takes into account many sources of big data. Methods for inputting incomplete, heterogeneous (heterogeneous) and non-representative input data samples are given. A method is proposed for converting input data samples into cycles of the Big Data Transfer Protocol. A reference model of the legal economic activity of the organizational system has been synthesized. This reference model is subjected to analysis and signs of illegal economic activity of mutually interacting organizational systems are highlighted. A reference model of the system for classifying the risks of laundering proceeds from crime and financing of terrorism has been developed. To combat money laundering, the N-scheme of the Markov algorithm for one data source and the Markov system, consisting of such schemes, for a variety of big data sources are theoretically substantiated. It is concluded that the synthesized Markov system provides a decomposition of words and their morphisms, contains a common data input control channel, and provides a classification of money laundering risks.

Keywords: Methods of classification of typologies; Money laundering; Big data; Category theory; Theory of Markov algorithms; Artificial Intelligence.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

В. А. Коновалов (ОАО «Курскрезинотехника», Курск, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

V. A. Konovalov (Open Joint-Stock Company “Kurskrezinotekhnika”, Kursk, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. ГОСТ Р ИСО/МЭК 20546–2021. Информационные технологии. Большие данные. Обзор и словарь. М.: Стандартинформ, 2021. 21 с.
2. Марков А. А., Нагорный Н. М. Теория алгорифмов. М.: Наука, 1984. 432 с. (Мат. логика и основания математики). 2-е изд., испр. и доп. М.: Фазис, 1996. 493 с.
3. Коновалов В. А. Категорная модель больших данных (big data) социально-экономической системы // Вестник компьютерных и информационных технологий. 2021. Т. 18, № 12. C. 36 – 42. DOI: 10.14489/vkit.2021.12.pp.036-042
4. ГОСТ Р 54521–2011. Статистические методы. Математические символы и знаки для применения в стандартах. М. : Стандартинформ, 2020. 32 с.
5. Коновалов В. А. Классификатор объектов больших данных (big data) социально-экономической системы // Вестник компьютерных и информационных технологий. 2022. Т. 19, № 2. C. 32 – 39. DOI: 10.14489/vkit.2022.02.pp.032-039
6. Коновалов В. А. Номератипы классификатора объектов больших данных (big data) социально-экономической системы // Вестник компьютерных и информационных технологий. 2022. Т. 19, № 3. C. 33 – 41. DOI: 10.14489/vkit.2022.03.pp.033-041
7. Коновалов В. А. Использование алгоритмов Маркова для исследования l-пустот в больших данных социально-экономических систем. Часть 1 // Вестник компьютерных и информационных технологий. 2022. Т. 19, № 6. C. 29 – 39. DOI: 10.14489/vkit.2022.06.pp.029-039
8. Коновалов В. А. Использование алгоритмов Маркова для исследования l-пустот в больших данных социально-экономических систем. Часть 2 // Вестник компьютерных и информационных технологий. 2022. Т. 19, № 7. C. 30 – 41. DOI: 10.14489/vkit.2022.07.pp.030-041
9. Коновалов В. А. Уточнение алфавита Маркова для представления синонимов и омонимов, обозначающих объекты больших данных социально-экономических систем. Часть 1 // Вестник компьютерных информационных технологий. 2022. Т. 19, № 8. C. 37 – 48. DOI: 10.14489/vkit.2022.08.pp.037-048

Eng

1. Information Technology. Big data. Review and dictionary. (2021). National Standard No. GOST R ISO/MEK 20546–2021. Moscow: Standartinform. [in Russian language]
2. Markov A. A., Nagorniy N. M. (1984). Theory of Algorithms. Moscow: Nauka. (Математическая логика и основания математики). 2nd ed. Moscow: Fazis. [in Russian language]
3. Konovalov V. A. (2021). Category big data model of the socio-economic system. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, Vol. 18 (12), pp. 36 – 42. [in Russian language]. DOI: 10.14489/vkit.2021.12.pp.036-042
4. Statistical methods. Mathematical symbols and signs for use in standards. (2020). Ru Standard No. GOST R 54521–2011. Moscow: Standartinform. [in Russian language]
5. Konovalov V. A. (2022). Сlassifier of big data objects of the socio-economic system. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, Vol. 19 (2), pp. 32 – 39. [in Russian language].DOI: 10.14489/vkit.2022.02.pp.032-039
6. Konovalov V. A. (2022). Numbers-types of the classifier of big data objects of the socio-economic system. Vestnik komp'yuternyh i informatsionnyh technologiy, Vol. 19 (3), pp. 33 – 41. [in Russian language]. DOI: 10.14489/vkit.2022.03.pp.033-041
7. Konovalov V. A. (2022). The use of markov algorithms for the study of l-voids in big data of socio-economic systems. Part 1. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, Vol. 19 (6), pp. 29 – 39. [in Russian language]. DOI: 10.14489/vkit.2022.06.pp.029-039
8. Konovalov V. A. (2022). The use of markov algorithms for the study of l-voids in big data of socio-economic systems. Part 2. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, Vol. 19 (7), pp. 30 – 41. [in Russian language]. DOI: 10.14489/vkit.2022.07.pp.030-041
9. Konovalov V. A. (2022). Refinement of the markov alphabet to represent synonyms and homonyms denoting objects of big data of socio-economic systems. Part 1. Vestnik komp'yuternyh i informatsionnyh technologiy, Vol. 19 (8), pp. 37 – 48. [in Russian language]. DOI: 10.14489/vkit.2022.08.pp.037-048

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

DOI: 10.14489/vkit.2023.04.pp.027-038

Скопируйте DOI статьи и перейдите по ссылке https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

В комментарии к заказу обязательно укажите DOI статьи.

Eng

This article is available in electronic format (PDF).

DOI: 10.14489/vkit.2023.04.pp.027-038

Copy the article DOI and follow the link https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

Please specify the article DOI in the order comments.