Теоретико-множественный подход к построению дуальной системной модели пак для исследуемой области деятельности со смешанными реальными и виртуальными объектами

Свойства двойственности (противоположности, противоречивости) отношений – транзакций между виртуальными объектами в информационной среде – определяются как спецификой объектов, так и свойствами самой среды. Так, например, согласно статистическим данным за 2018 год, правоохранительными органами Российской Федерации было зарегистрировано более 100 тыс. преступлений, совершенных с использованием информационно-телекоммуникационных технологий.

По сравнению с 2017 годом количество такого рода преступлений возросло более чем на 33 %. За последние 6 лет киберпреступность, согласно статистике, демонстрирует десятикратный рост. Так, в 2013 году подобных преступлений было порядка 11 тыс., в 2014 г. – 44 тыс., в 2016 г. – более 66 тыс.

Актуальность данной темы также об условлена множеством выявленных фактов нарушения целостности и конфиденциаль ности данных, в том числе утечкой инфор мации в сеть Internet. Так, в апреле 2019 года соглас но сведениям информационного портала «ItS ec – Информационная безопасность» неправомерно б ыл обнародован реестр лиц, сформированны й банковскими стру к турами в соответствии с треб ованиями Федерального закона от 7 авгус та 2001 г. № 115 -ФЗ «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финан сированию терроризма». Слож ившаяся ситуация негативно может сказатьс я на статусе лиц, вх о дящих в обнародованный списо к, а также подорвать экономическую ситуаци ю страны в целом.

Построение формальной теоретико-множественной модели предметно-ориентированной деятельности с виртуальными объектами на примере криптовалюты

Построение формальной теоретико -множественной модели предметно-ориентированной деятельности с криптовалютой в различных аспектах обусловлена также стремительно возро сш им в последнее время уровне м преступности экономической направленно сти с использованием криптовалюты [10], например на множестве процессов

Pv = { pvi, pv2,..., pvn } , где pv1 – обмен товаров запрещенного распространения – наркотических и психотропных веществ, оружия, боеприпасов и иных предметов [2];

pv₂ – легализация доходов, получаемых преступным путем;

pv₃ – распространение вр едоносных компьютерных программ для ис пользования ресурсов пользователей сети в фоновом режиме (криптоджекинг);

pv₄ – распространение запрещенных услуг и контента;

pv₅ – финансирование терроризма и экстремизма.

Состояние объекта в цел ом в исследуемой категории можем опреде лить в понятиях его «смешанного» реального и виртуального состояний (рис. 1) [9].

Рис. 1. «Смешанное» состояние объекта (аналог кубита)

Fig. 1. “Mixed” state of object (similar to cubit)

Стремительному распространению по всему миру технологии виртуальных денег способствовали универсальность применения, открытость расчетных операций и предельная анонимность. Главной из особенностей использования криптовалют является их децентрализация и не-привязанность к конкретной географической точке, политическому строю и экономической сис- теме какой-либо из стран, несмотря на вполне реальную привязку к курсу наиболее востребованных валют во всем мире [13, 14]. В связи с этим образовалось мировое криптовалютное финансовое сообщество, что наложило ряд неразрешимых проблем при выявлении преступных деяний с использованием цифровой валюты на международном уровне.

Применяя правила международного стандарта системной инженерии ISO/IEC/IEEE 15288, можем формализовать основные составляющие по девяти группам (рис. 2), представленные формулой IT = { it 1 ,it 2 ,..., it n } . Это открывает возможность в соответствии с приведенным стандартом обеспечить соответствие информационных объектов реальным объектам с учетом прослеживаемости.

Рис. 2. Основные группы технологий виртуальных денег Fig. 2. Core Virtual Money Technology Groups

Таким образом, объекты учета данного бизнес-процесса могут быть представлены различными категориями информационных объектов, связанных между собой отношениями, а выделяя виртуальные и реальные объекты, приходим к тому, что отношения между виртуальными объектами и реальными объектами выражаются символьной моделью хранилища данных и определяют структуру. Причем эти отношения могут быть представлены в терминах теории категорий.

Все это дает возможность применения современных стандартизованных методов моделирования описываемого бизнес-процесса, учитывающих формализованные формальные логические свойства, метаязыки и правила для последующей разработки программного обеспечения.

Учитывая, что довольно важным аспектом является установление международного сотрудничества в области противодействия киберпреступлениям с соблюдением национальных и региональных правил обращения с криптовалютой, необходимо учитывать в модели так зазываемые транзакции киберденег. На сегодняшний день лишь ряд стран (например, Китай, Южная Корея) запретили анонимность проведения транзакций киберденег и бесконтрольное распространение новых токенов валюты в стране. Отчасти регламентировали функционирование кибербирж такие страны, как Таиланд, Сингапур, Япония, Пуэрто-Рико Мальта, Швейцария и Бермудские острова. В противовес имеются страны «офшорной юрисдикции» (например, Белиз, Сейшелы, Доминикана), не учитывающие рекомендации межправительственной организации Financial Action Task Force on Money Laundering [15] (FATF) – разработчиков финансовых мер борьбы с отмыванием денег.

Режимы сотрудничества стран все чаще становятся предметом дискуссий международных коллегий и саммитов. Так, заместитель генерального прокурора Соединенных Штатов Америки (США) Род Розенштейн на 87-й Генеральной Ассамблее Интерпола призвал страны к выстраиванию международных связей в области расследования преступлений с использованием криптовалют [16], беспрепятственного использования международных информационных ресурсов и баз данных, закрепленных в единой политике регулирования цифровой валюты, в частности, призы- вая полагаться на положительный опыт США в области регулирования процессов «киберотмывания» денег. Успешными на сегодняшний день проектами сотрудничества правительств различных стран можно считать, например, Silk Road 2.0, который являлся крупным интернет-магазином в анонимной сети Tor по продаже наркотических средств со средним ежемесячным оборотом 8 млн долларов, Hydra, Cloud9 и др.

В настоящее время международное сотрудничество, как правило, заключается на уровне пограничных служб и Интерпола. С 2018 года в целях формирования трансграничного сотрудничества в области противодействия преступлениям с использованием криптовалют заключено партнерство, именунмое J5 [17], между Австралией (Комиссия по уголовным расследованиям ACIC и Налоговая служба ATO), Канадой (Налоговое агентство CRA), Нидерландами (Fiscale Inlichtingen-Opsporingsdienst FIOD), Великобританией (Королевская налоговая и таможенная служба HMRC) и США (Налоговая служба IRS) - Joint Chiefs of Global Tax Enforcement.

Регулирование криптоотрасли не было оставлено без внимания на встрече министров финансов и глав банков на саммите Большой двадцатки G20 в 2018 году [18], итогом которого стало заключение о нецелесообразности полного запрета рынка криптовалют, необходимости регулятора в правоохранительной и налоговой областях и цифровой идентификации. Отдельного внимания заслуживает Комиссия США по ценным бумагам и биржам (SEC), расследования которой в основном связаны с поиском свидетелей и доказательств на трансграничном уровне с учетом политических, экономических систем и законодательства в сфере эксплуатации токенов (акций различных проектов).

Отчасти благодаря опыту зарубежных стран в сентябре 2019 года Ассоциацией банков России была подготовлена концепция по противодействию оборота децентрализованных криптовалют, которая предусматривает лишение анонимности владельцев виртуальных цифровых активов [19, 20]. Кроме того, проект предусматривает создание собственного международного блокчейна на территории Российской Федерации и национальных токенов в том числе, а также предусматривает возможность определения принадлежности цифровой валюты (определение владельца, логинов и паролей криптовалютных кошельков), получения информации в рамках процедур налогообложения (декларирование доходов и расходов) и банкротства, а также исполнительных производств [21]. Однако на сегодняшний день проект Федерального закона «О цифровых финансовых активах» не принят, рассмотрение его было отложено на неопределенный срок.

Как известно, имеется ряд общих черт в совершаемых преступлениях с использованием криптовалют. С учетом их своевременного распознания можно выдвинуть методику по их расследованию, состоящую из последовательных этапов A = { A 1 ,..., A 4 } :

• –    определение криптовалютного кошелька по транзакциям (программный, аппаратный или бумажный кошелек, онлайн-кошелек, мобильное приложение) A ₁ ;

• –    определение биржи криптовалюты, криптовалютных обменников, торговых площадок, карт A ₂ ;

• –    определение связей – поиск посредников-участников операций A ₃ ;

• –    построение нейросетевых связей – определение валюты, фиатных выведенных денег A ₄ .

Использование требований системной инженерии в рамках приведенного выше стандарта, построение модели с использованием Иерархий Хомского и предлагаемого категорийного подхода [2–4] позволяют уже на уровне модели сформировать границы между семантическими и синтаксическими описаниями автоматизируемых бизнес-процессов и программными модулями разрабатываемых комплексов.

При этом формализация логических отношений позволяет сформировать семантическую модель, формальную вышестоящей грамматики. На основании приведенного (определение границ в совокупности с семантической моделью) можем определить семантическую меру, которая будет выступать в роли цели, далее точку зрения [8].

Далее:

• 1)    можем определить функциональное содержание исследуемой предметной области в виде контекстной диаграммы, определив в качестве каналов взаимодействия с внешней средой вход и выход (рис. 3), ограничения – управление, ресурсы – механизм (см. рис. 3);

• 2)    отношения между информационными объектами определим как математическую категорийную структуру. Эта структура на формальном уровне описывает свойства информационных объектов и их отношения (т. е. как подмножество декартова произведения);

• 3)    уходим от проблемы семантического анализа за счет выполнения двухшаговой процедуры, а именно: распознавания структуры и построения операций на ее основе, т. е. используя метод, предложенный Н. Хомским, – «синтаксически ориентированной трансляции», переходим к синтаксическому анализу [4, 5];

• 4)    приходим к анализу и рассмотрению конечного перечня цепочек, что может быть классифицировано как математический метод анализа предметной области. В частности, для рассматриваемого примера криптовалюты – это определения дополнительных состояний, часть из которых является ненаблюдаемым в прямой модели, что может приводить к применению противо-праных «скрытых» действий;

• 5)    применение такого метода открывает возможность рассмотрения отношений как функций независимо от соответствующих информационных объектов и в конечном счете описания информационной системы как конечного множества функций и отношений между ними, включая скрытые части отношений между объектами.

Рис. 3. Системная модель комплексного решения раскрытия преступлений Fig. 3. System model of complex crime resolution

Учитывая изложенное, появляется возможность сведения процесса к формальному алгоритму (рис. 4) и в результате приходим к атрибутивно транслируемой грамматике [4, 5, 8].

Очевидно, что в качестве символьного базиса может быть использовано декартово произведение, которое в данном случае будет равнозначно OLAP-кубу [1–4]. Применение метода семантических дифференциалов Ч. Осгуда позволяет декларировать отношения между реальными объектами как отношение отрицания (противоположность по Декарту). При этом виртуальные объекты становятся, в терминологии Декарта, частными определениями [5]. Приходим к возможности определения качественной составляющей на основании присутствия ряда количественных параметров.

ERP

CRM

HR

и

Гетерогенное хранилище данных

Olap - система

Интерфейс взаимодействия с пользователем

ФС – формальная система;

G – множество базовых элементов;

R – предикаты на множестве базовых элементов;

ПАК

категорий (ISO 15288)

Модель знаний

Рис. 4. Формальные аспекты представления преобразования информации Fig. 4. Formal aspects of information transformation presentation

Это позволяет:

• 1)    принимать управленческие решения, т. е. перейти от формальной к семантической модели [6, 7];

• 2)    открывает возможность проектирования структуры программных комплексов в виде множества объектов – категорий и отношений между ними (имеющих свойства функторов). Это позволяет описывать в виде категорных отношений и взаимодействие функциональных программ, и правила интеграции информационных объектов предметной области, и учет изменений самой предметной области [6];

• 3)    для системного моделирования исследуемой предметной области использовать формализованные правила, представленные в виде категорных отношений. Могут быть использованы любые объектные (графоаналитические) языки.

Можем определить виртуальный объект как информационный объект, который является результатом отношений информационных объектов и достроен до декартово замкнутой категории. В частности, это не противоречит кибернетическому закону, который был сформулирован Уильямом Россом Эшби [8].

Таким образом, результат отношения двух взаимодействующих информационных объектов в ряде случаев может быть интерпретирован как новый информационный объект (реальный или виртуальный).

Рассматривая полученные таким образом отношения между новыми информационными объектами, извлекая новые данные, систематизируя их, приходим к возможности выстраивания новых отношений даже между виртуальными объектами и получения иерархической структуры этих отношений, что открывает возможность построения стратегических планов развития и оперативного принятия опережающих управленческих решений. Представление отношений в виде информационных объектов позволяет рассматривать их в качестве «цифрового двойника», что расширяет «электронную» прозрачность во многих аспектах, в том числе управленческих и технологических.

Таким образом, структура программного комплекса, построенная по вышеприведенному методу, будет содержать информацию для реинжиниринга комплекса без изменения реально действующей структуры, например заменой виртуальных объектов реальными.

Применение современных технических решений, включая элементы искусственного интеллекта, были также предложены на совместном семинаре Нового банка развития (НБР), Евразийской группы по противодействию легализации преступных доходов и финансированию терроризма (ЕАГ) и Международного учебно-методического центра финансового мониторинга (МУМЦФМ) «Совершенствование финансового мониторинга с использованием новых технологий» [22, 23].

В соответствии с декларацией по итогам проведенного семинара, принятой в 2019 году, направленной в первую очередь на противодействие отмыванию денег и финансирование терроризма, в связи с необходимостью повышения эффективности «антиотмывочных» систем государств и для развития международного сотрудничества и взаимодействия международных организаций был предложен ряд мер, которые в целом коррелируют по применимости с рекомендациями по установлению сотрудничества в области расследования преступлений с использованием криптовалют, а именно [11, 12]:

• –    объединение усилий по выработке единого подхода к пониманию рисков, связанных с использованием новых технологий на финансовых рынках, и выработке мер по их минимизации (множество методов решения проблем Mr = { Mr 1 ,...,Mr 6 } );

• –    деанонимизация пользователей глобальной сети ( Mr ₁ );

• –    выработка действенных мер по обороту виртуальных активов для управления и минимизации рисков отмывания денег и финансирования терроризма ( Mr ₂ );

• –    организация своевременного и непрерывного межгосударственного обмена опытом и информацией в рамках расследования преступлений ( Mr ₃ );

• –    развитие инновационных технологий контроля рисков в рамках противостояния преступлениям с использованием криптовалют ( Mr ₄ );

• –    разработка обучающих информационных ресурсов в целях повышения грамотности населения по обращению с криптовалютой, повышение квалификации и переподготовка кадров, занимающихся расследованием киберпреступлений ( Mr ₅ );

• –    проведение исследований в области новейших информационных технологий и разработка программного обеспечения и аппаратных систем с использованием нейросетевых технологий в целях обеспечения современными средствами оперативного расследования преступлений с использованием криптовалют ( Mr ₆). С целью увеличения эффективности мер, направленных на противодействие криминальному обороту криптовалюты, необходима стратегия, реализуемая на международном уровне, по основным проблемным направлениям, а именно (множество решений D = { D i ,..., D 7 } ):

• –    единое определение статуса и юридической природы криптовалюты на международной арене, поскольку на сегодняшний день толкование цифровых денег идет в соответствии с определениями товара, валюты, средства накопления, формы платежной услуги и платежного инструмента ( D ₁);

• –    установление единого судопроизводства в отношении преступников, использующих криптовалюту ( D ₂ );

• –    формирование безопасного реестра финансовых потоков криптовалют из числа стран с эффективными методиками противодействия отмыванию денег и финансирования терроризма( D ₃);

• –    налаживание межведомственного взаимодействия (регулирующих и надзорных органов управления, финансовых организаций, правоохранительных органов, спецслужб и пр.) ( D ₄ );

• –    организация доступа в упрощенном виде к информации о совершаемых преступных деяниях с использованием криптовалют ( D ₅);

• –    формирование мер, направленных на идентификацию владельцев криптокошельков ( D ₆ );

• –    создание дополнительных систем проверки и отслеживания платежей для мониторинга финансирования и укрепление межгосударственных связей терроризма ( D ₇ );

• –    для идентификации владельцев кошельков, анализа данных и реализации обмена в режиме реального времени требуется организация межгосударственного центра с прямым доступом к криминологическим инструментам и криптовалютным базам ( D ₈ ).

В результате получаем комплексную системную модель:

SM = { Pv , IT , Mr , D } .

Полученную комплексную системную модель можно представить, как поверхность в пространстве достаточно большой размерности (размерность определяется, так как есть декартово произведение).

Выводы

В результате в каждой точке на поверхности возникает семантика самой информации, которая может определяться как неопределенность знаний либо отношений. Не учтенные в модели предметной области (ПО) свойства представляются в виде отдельной ПО и характеризуются неучтенными свойствами, позволяющими рассматривать ее как окружающую среду. В итоге каждая ПО интегрирует с окружающей средой и имеет возможность считаться распределенной. Приходим к возможности применения технологии, построенной на децентрализации, – использование блокчейна (создание полностью децентрализованной платформы, на которой выполняются бизнес-процессы), что может помочь улучшить рабочие процессы, а также создать единый язык коммуникации. Одной из причин такой популярности является строгая математическая база, фундаментальной частью является криптографический алгоритм ECDSA – Elliptic Curve Digital Signature Algorithm. Все это представимо в виде системы уравнений, полученной на основе формальной модели программного обеспечения. Так как предполагается распределенность объектов, будет иметь место пересечение множеств, описывающих их семантические свойства. В результате отношения объектов (БП) предполагается оценивать путем введения количественной и качественной оценок.

Использование метода семантических дифференциалов Ч. Осгуда для обработки и представления информации применительно к этапам рассматриваемого процесса обеспечивает возможность построения требуемых функций принадлежности.