10.14489/vkit.2024.02.рр.037-045

DOI: 10.14489/vkit.2024.02.рр.037-045

Коновалов В. А.
СПОСОБЫ СИНТЕЗА ПРИЗНАКОВ РИСКОВ ОТМЫВАНИЯ ДОХОДОВ, ПОЛУЧЕННЫХ ПРЕСТУПНЫМ ПУТЕМ
(с. 37-45)

Аннотация. Приведены способы синтеза признаков рисков в интересах создания методики классификации типологий рисков отмывания доходов (ОД), полученных преступным путем, и финансирования терроризма (ФТ) в больших данных множества источников данных организационных систем. Исследуется новое пространство признаков рисков, состоящее из слов и их морфизмов, представленных диаграммами марковских вхождений слов в друг друга, полученных путем синтеза с использованием N-схемы алгоритма Маркова. Рассмотрены типологии отдельных рисков отмывания доходов, полученных преступным путем, и финансирования терроризма как отдельные знания о риске. Эти знания имеют изменчивую природу и должны пересматриваться и уточняться в процессе противодействия. Некоторые знания достаточно далеко отстоят друг от друга, если их рассматривать через структуру категорий, которые они образуют. Предложено синтезировать способы исключения и приостановки действия признаков рисков в перспективном классификаторе рисков. Отмечен способ исключения признаков рисков из перспективного классификатора, который проиллюстрирован примером действующего признака в классификаторе Центрального Банка Российской Федерации, введенного Положением Банка России от 02.03.2012 N 375-П (ред. от 20.10.2020). Представлен способ приостановки действия признака риска без исключения его из перспективного классификатора. Приведены примеры доработки признака без исключения из классификатора и синтеза типологии риска для оработанного признака. Представленные способы исключения и приостановки действия признаков рисков в классификаторе рисков позволяют более широко использовать полученные знания в виде типологий отдельных рисков и учитывают их изменчивую природу, иначе обеспечивают конкретизацию знаний.

Ключевые слова: методика классификации типологий; риски ОД/ФТ; большие данные; теория категорий; теория алгоритмов Маркова; искусственный интеллект.

Konovalov V. A.
METHODS FOR SYNTHESIZING SIGNS OF THE RISKS OF LAUNDERING PROCEEDS FROM CRIME
(рр. 37-45)

Abstract. Methods for synthesizing risk features are being explored in the interest of creating a methodology for classifying MLB and TF risk typologies in big data from multiple data sources of organizational systems. A new space of risk features is investigated, consisting of words and their morphisms, represented by diagrams of Markov occurrences of words in each other, obtained by synthesis using the N-scheme of the Markov algorithm. Typologies of individual risks of money laundering and terrorist financing are considered as separate risk knowledge. When considering knowledge, it is taken into account that they are of a changeable nature, therefore, they must be reviewed and refined in the process of counteraction. Knowledge is treated with the assumption that some of them are quite far apart when viewed through the structure of the categories they form. The study shows synthesized methods for excluding and suspending risk features in a promising risk classifier. The method for excluding risk features from a promising classifier is considered and illustrated by an example of a valid feature in the classifier of the Central Bank of the Russian Federation, introduced by the Bank of Russia Regulation No. 375-P dated March 2, 2012 (as amended on October 20, 2020), which requires exclusion from it. The way to suspend the action of a risk attribute, without excluding it from a promising classifier, is presented in the study, using the example of a risk from the classifier of the Central Bank of the Russian Federation. Examples of refinement of a risk attribute, without excluding it from the classifier and synthesizing a risk typology for it, are presented in the form of categorical formulas with restrictions on some morphism parameters. The presented methods of excluding and suspending the action of risk features in the risk classifier allow a wider use of the acquired knowledge, which is understood as typologies of individual risks, and take into account the changing nature of this knowledge, understood as a specification of knowledge.

Keywords: Methods of classification of typologies; ML/TF-risk; 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. Номера-типы 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
4. 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
5. 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
6. Коновалов В. А. Уточнение алфавита Маркова для представления синонимов и омонимов, обозначающих объекты больших данных социально-экономических систем. Часть 1 // Вестник компьютерных и информационных технологий. 2022. Т. 19, № 8. C. 37 – 48. DOI: 10.14489/vkit.2022.08
7. Коновалов В. А. Обобщенная математическая модель типологии рисков отмывания доходов и финансирования терроризма в больших данных социально-экономических систем // Вестник компьютерных и информационных технологий. 2022. Т. 19, № 4. C. 42 – 51. DOI: 10.14489/vkit.2022.04.pp.042-051
8. Голдблатт Р. Топосы. Категорный анализ логики: пер. с англ. М.: Мир, 1983. 488 с.

Eng

1. Information Technology. Big data. Review and dictionary. (2021). Standard No. GOST R ISO/MEK 20546-2021. Moscow: Standartinform. [in Russian language]
2. Markov A. A., Nagorniy N. M. (1984; 1996). Theory of algorithms. Moscow: Nauka. (Mathematical logic and foundations of mathematics). 2nd ed. Moscow: Fazis. [in Russian language]
3. Konovalov V. A. (2022). Numbers-types of the classifier of big data objects of the socio-economic system. Vestnik komp'yuternyh i informatsionnyh technologiy, 19(3), 33 – 41. [in Russian language] DOI 10.14489/vkit.2022.03.pp.033-041
4. Konovalov V. A. (2022). The use of markov algorithms for the study of l-voids in big data of socioeconomic systems. Part 1. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, 19(6), 29 – 39. [in Russian language] DOI 10.14489/vkit.2022.06.pp.029-039
5. Konovalov V. A. (2022). The use of markov algorithms for the study of l-voids in big data of socioeconomic systems. Part 2. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, 19(7), 30 – 41. [in Russian language] DOI: 10.14489/vkit.2022.07.pp.030-041
6. 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 tekhnologiy, 19(8), 37 – 48. [in Russian language] DOI: 10.14489/vkit.2022.08
7. Konovalov V. A. (2022). Generalized mathematical model of money laundering and terrorism financing risk typology in big data of socio-economic systems. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, 19(4), 42 – 51. [in Russian language] DOI: 10.14489/vkit.2022.04.pp.042-051
8. Goldblatt R. (1983). Topos. Categorical analysis of logic. Moscow: Mir. [in Russian language]

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

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 500 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/vkit.2024.02.рр.037-045

и заполните форму

Отправляя форму вы даете согласие на обработку персональных данных.

Eng

This article is available in electronic format (PDF).

The cost of a single article is 500 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2024.02.рр.037-045

and fill out the form