К содержанию
РецензированоRU2021

Использование нейросетей для мониторинга противоправных отношений в российской федерации

Г. Г. Егоров (опасности несовершеннолетних // Сайт научной электронной библиотеки Ки-)

Цифровые технологии и право · 8 · 126–133 · 2021

Аннотация

The article considers the prospects of using modern machine com- plexes for analyzing legal relations for compliance with current legislation. The main areas of illegal actions are identified, the identification of which becomes possible with the use of graphological neural networks (GNN) based on the logic of asynchro- nous analysis of offenses based on violations of financial turnover. The experience of testing these complexes in the People's Republic of China was used as a practical component, while an analysis of both technical and legal features of the implementa- tion of identical systems in the control sphere of the Russian Federation is carried out. The main difficulties in the implementation of digital control systems and prospects for their adaptation to Russian conditions are determined. Keywords: neural graphological networks, control over the legality of rela- tions, technical means of identifying offenses, federal control over digital security, le- gal status of information, digital control. Введение. В условиях стремительного развития цифровых технологий и финансовых инноваций, возникает необходимость переосмысления подходов к обработке данных в сфере ПОД/ФТ. Постоянно увеличивающийся поток данных и необходимость оперативно- го анализа рисков отмывания денег требуют внедрения и развития искусственно- го интеллекта в системы противодействия финансовым преступлениям [7]. Повышенный интерес к технологиям искусственного интеллекта (далее – ИИ) обусловлен эволюцией преступных схем, использованием ИИ злоумышлен- никами, необходимостью обработки огромных объемов данных в финансовой разведке и развитием экспертных систем в сфере противодействия отмыванию денег. Научная база для изучения ИИ в сфере ПОД/ФТ пока еще находится в ста- дии формирования. Существующие исследования в основном сосредоточены на рисках злоупотребления ИИ для отмывания денег, проблемах регулирования и внедрения ИИ в системы ПОД/ФТ, а также на потенциале ИИ в финансовой сфе- ре [6]. Основная часть. В 2022–2023 годах ИИ все чаще используется в пре- ступных целях. Одной из самых серьезных угроз стали фейковые видео, аудио и изображения, созданные нейросетями. Люди склонны верить видео, поэтому ди- пфейки, поддельные видео с реальными людьми, представляют особую опас- ность. Примеры таких преступлений включают вымогательства с использовани- 167 Цифровая безопасность и право ем поддельных видео с руководителями или родственниками, а также мошенни- ческие схемы с использованием фальшивых рекламных роликов. ИИ используется банками для биометрической идентификации пользова- телей по лицу при входе в мобильные приложения, в то время как преступники применяют нейросети для создания новых наркотиков, улучшения взрывчатых веществ и разработки более опасных видов оружия. ИИ-сервисы все чаще используются для получения советов по незаконно- му обналичиванию денег и усовершенствованию схем отмывания денег. Пользо- вателей интересуют правила финансового контроля, а также деятельность регу- ляторов в этой области. Параллельно с этим, резко увеличилось количество под- дельного контента, созданного с помощью искусственного интеллекта, который используется для пропаганды и вербовки преступников. Ежедневно создаются миллионы фальшивых изображений. Преступники научились создавать с помощью искусственного интеллекта стандартные комментарии, которые распространяются через ботов в социальных сетях, разжигая рознь, экстремизм и провокации. В 2023 году количество мо- шенничеств с использованием ИИ резко возросло. Например, на Филиппинах таких случаев стало в 45 раз больше по сравнению с предыдущим годом, а во Вьетнаме, США и Японии – в 30–28 раз [8]. Искусственный интеллект необходим финансовой разведке для обработки огромных массивов неструктурированных данных, их очистки и улучшения ка- чества. Социальные сети и мессенджеры являются ценным источником инфор- мации о фигурантах финансовых расследований. Помимо пропаганды и вербов- ки преступников, эти платформы используются для сбора и перевода незаконно полученных средств, а также для легализации преступных доходов [5]. Анализ данных из соцсетей в финансовой разведке проводится в рамках общей системы обработки информации с использованием искусственного интел- лекта. Росфинмониторинг получает данные о финансовых операциях, от госу- дарственных органов, иностранных финансовых разведок, СМИ и пользовате- лей. Вся информация хранится и очищается с помощью машинного обучения. Далее проводится углубленный анализ данных: создаются списки, модели пове- дения и профили риска [12]. В результате обработки данных получаем ответы на запросы, инициативно предоставляем информацию государственным органам, спецслужбам и банкам, уведомляем в соответствии с законом «О противодействии легализации (отмы- ванию) доходов, полученных преступным путем, и финансированию террориз- ма» (ст. 8 Федерального закона от 07.08.2001 № 115-ФЗ) и информируем зару- бежные финансовые разведки [1]. Сбор, обработка, анализ и распространение инфор

Доказательный фрагмент

«The article considers the prospects of using modern machine com- plexes for analyzing legal relations for compliance with current legislation.»

Образец извлечения

Демо-превью

The article considers the prospects of using modern machine com- plexes for analyzing legal relations for compliance with current legislation. Полный текст публикации CiteX не хранит — доступ к первоисточнику открывается по DOI согласно лицензии издателя и выбранному плану.

Цитирований
0
Тип
Журнал
Страна
Узбекистан
Ключевые слова
neural graphological networks, control over the legality of rela-, федеральный контроль за цифровой безопасностью, neyron grafologik tarmoqlar, цифровой контроль, munosabatlarning qonuniyligini nazorat qilish, технические средства выявление правонарушений, контроль за право мерностью отношений, technical means of identifying offenses, raqamli xavfsizlik ustidan federal nazorat, нейронные графологические сети, buzilishlarni aniqlashning texnik vositalari, правовой статус информации, axborotning huquqiy holati, federal control over digital security, digital control., le- gal status of information, raqamli nazorat, control over the legality of rela- tions, neural graphological networks
Открыть DOI
Спросить CiteX об этой работе

Смежные источники

[4]ЮриспруденцияRUРецензированоОткрытый доступ