Jak wykorzystać modele Markowa na potrzeby przeciwdziałania praniu pieniędzy oraz w walce z terroryzmem? Część 2

Cel badań i hipotezy/pytania badawcze: Przyjęto założenie, że przedmiotowe rozwiązanie, korzystające z uniwersalnej metody HMM, pozwala na jej zastosowanie w IO wobec potrzeby wyłonienia z wielości cechowanych danych - metadanych - wzorców postępowania określonych jako „negatywny impuls” (anomalia kierunkowa). Metody badawcze: Dokonanie przeglądu dotychczasowych badań nad problematyką HMM i możliwości wdrożenia tej metody na potrzeby walki z przestępczością, w tym na rzecz walki z praniem pieniędzy i terroryzmem. Główne wyniki: W związku z brakiem pozyskiwania bezpośrednich danych o działaniach terrorystycznych, ich niekompletności oraz potrzeby przewidywania możliwości powstania zdarzeń godzących w bezpieczeństwo publiczne czy finansowe istnieje potrzeba budowania wiedzy o terrorystach na podstawie danych niezwiązanych bezpośrednio z tym rodzajem przestępczości (jako pośrednie wyniki obserwacyjne). Ma to też swoje przełożenie na tworzenie zbiorów uczących dla matematycznych modeli przeciwdziałania. W konsekwencji prowadzenie badań opartych na niskiej liczbie danych i dostępnych w większych przedziałach czasowych może dawać nieadekwatne wyniki. Ponadto zastosowanie podejścia probabilistycznego stwarza możliwości projektowania przeciwdziałań wobec typowanych negatywnych zachowań. Implikacje dla teorii i praktyki: Możliwości zastosowania matematycznych modeli przeciwdziałania w zakresie prowadzenia analizy rozpoznania przez instytucje obowiązane oraz na potrzeby prowadzenia czynności analitycznych w ramach stosowania analizy kryminalnej w służbach policyjnych i specjalnych.

---

Research objectives and hypothesis/research questions: The assumption is that the solution in question, using the universal HMM method, allows its application in IO, in view of the need to select from the multitude of characterized data - metadata - patterns of conduct defined as a “negative impulse” (directional anomaly). Research methods: Reviewing the existing research on HMM issues and the possibilities of implementing this method for the purposes of combating crime, including money laundering and terrorism. Main results: Due to the lack of obtaining direct data on terrorist activities, their incompleteness and the need to predict the possibility of events that threaten public or financial security - there is a need to build knowledge about terrorists based on data not directly related to this type of crime (as indirect observational results). This also translates into the creation of training sets for mathematical models of counteracting. As a consequence, conducting research based on a small amount of data and available in larger time intervals may give inadequate results. In addition, the use of a probabilistic approach creates opportunities to design counteracting typified negative behaviors. Implications for theory and practice: The possibility of using mathematical models of counteraction in the scope of conducting reconnaissance analysis by obligated institutions and for the purposes of conducting analytical activities as part of the application of criminal analysis in the police and special services.