Разработка методов и алгоритмов машинного обучения для выявления финансирования террористической деятельности в Республике Казахстан

В настоящее время одним из основных источников угроз национальной безопасности Республики Казахстан в сфере обеспечения безопасности признается террористическая деятельность организаций, группировок и отдельных лиц. Столь высокая степень данной угрозы, в первую очередь, обусловлена масштабностью последствий террористических преступлений и значительным количеством пострадавших в результате их совершения. Достаточно вспомнить последние террористические акты в Актобе, Таразе и события января 2022 в Алматы. Интенсивность террористической деятельности напрямую зависит от уровня ее финансирования и материально-технической оснащенности. В связи с этим замораживание активов террористических организаций и перекрытие каналов финансирования террористической деятельности признается одним из важнейших инструментов борьбы с международным терроризмом. Системы обнаружения подозрительного (аномального поведения), которые на сегодняшний день используются финансовыми учреждениями, в основном основаны на наборе правил, определенных экспертами. Данные правила не являются гибкими и легко адаптируемыми, это делает их уязвимыми для злоупотреблений и обхода. Другая проблема заключается в том, что системы выдают большое количество ложных срабатываний, на обработку которых требуется время. Решения, основанные на машинном обучении, можно постоянно обучать и обновлять новыми данными, это делает их адаптируемыми и устраняет необходимость в экспертах, определяющих новые правила.

Задачи проекта

1. Понимание набора данных. Исследование набора данных и каждой содержащейся в нем переменной вместе с необходимыми визуализациями.
2. Исследовательский анализ данных. Проведение анализа, подведение критических выводов с полным описанием рассмотренных срезов данных. Постановка гипотез
3. Визуализации и диаграммы, показывающие разницу между мошенническими и немошенническими транзакциями.
4. Разработать методы автоматической аннотации и расшифровки, позволяющие определить максимально возможный набор аномалии транзакции.
5. Моделирование. Апробация методов, итераций, с которыми проводились эксперименты, преобразований данных
6. Разработка системы, для предоставления высшим органам рекомендации, касающиеся проведения диагностики, для дальнейшей работы с аномальными транзакциями.
7. Тестирование системы, на основе синтетических данных полученных с платформ, таких как AMLSim.

Данный проект подлежит дальнейшей коммерциализации.