Obiekt

Abstrakt:

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). ; 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. ; 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. ; 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.

Data wydania:

2024-09-30

Data wydania elektronicznego:

2024-09-30

Identyfikator:

oai:ribes-88.man.poznan.pl:915 ; doi:10.37055/nsz/203230 ; oai:editorialsystem.com:article-203230

ISSN elektroniczny:

2719-860X

ISSN drukowany:

1896-9380

Identyfikator wydawcy:

203230

Licencja:

kliknij tutaj, żeby przejść

Strona początkowa:

41

Strona końcowa:

64

Tom:

19

Wydanie:

3

Czasopismo:

NSZ

Słowa kluczowe:

finansowanie terroryzmu ; pranie pieniędzy ; ukryte modele Markowa ; ukryty stan (ukryty model) ; proces rozpoznania anomalii