Системы поддержки принятия решений

Интеллектуальная деятельность специалиста состоит в принятии решения о оптимальном способе достижения поставленной цели. Лицо, принимающее решение (ЛПР), делает свой выбор на основе познания.

Познание – философская категория, описывающая процесс интеллектуальной деятельности, т.е. процесс получения субъектом нового знания о мире. Познание состоит из двух этапов: анализа и синтеза.

Анализ связан с разделением поставленной задачи на элементы и изучением элементов обособленно. Синтез – соединение изученных элементов в систему для получения конечного результата.

Интеллектуальные и аналитические АИС позволяют частично автоматизировать интеллектуальную деятельность специалиста. Такие системы относят к классу систем поддержки принятия решений (СППР). СППР, в отличие от вычислительных комплексов, используются в задачах с неполными, противоречивыми данными, или когда количественные данные описываются качественно (малый, очень большой, похож–непохож), т.е. когда не удается просто подставить значения в математическую модель.

Как и сам процесс принятия решения, СППР можно разделить на две группы: информационно-аналитические и консультационные системы.

Компьютерные системы поддержки процесса принятия тактических решений, насыщенные знаниями о положительном опыте раскрытия и расследования преступлений, позволяют сэкономить силы и средства, а самое главное – время для принятия оптимальных решений, направленных на раскрытие преступлений в сложных ситуациях, требующих принятия многокритериальных тактических решений.

Надо понимать, что СППР не могут полностью автоматизировать работу следователя или юриста – они дают советы в довольно узких предметных областях. За специалистом остается выбор, принять или не принять предложенное решение.

 

8.2. Обзор рынка современных правовых консультационных систем 

Разработка коммерческих правовых ЭС за рубежом осуществляется в основном в области управления финансами, то есть там, где эффект от их применения особенно нагляден и дает ощутимые результаты. Подобные программы в большом количестве появились на западном рынке в середине 90-х и продолжают разрабатываться сейчас.

Так, например, ЭС «AUDITOR» помогает специалистам в области аудита оценить возможности клиента погасить задолженность. Система использует информацию о предыдущих платежах клиента, его экономическом положении, кредитовании и другие сведения, чтобы определить, нужно ли держать в резерве деньги для покрытия задолженности.

ЭС «DSCAS» помогает анализировать юридические аспекты исков о возмещении дополнительных расходов, связанных с отличием физических условий на месте предполагаемого строительства от указанных в контракте. Такие иски основаны на данных, содержащихся в конкретных договорах. ЭС обеспечивает должностное лицо правовыми знаниями для принятия решений по иску.

ЭС «JUDITH» помогает специалистам-цивилистам размышлять над гражданскими делами. ЭС вместе с юристом и с его слов усваивает фактические и юридические предпосылки дела, а затем предлагает рассмотреть различные варианты подходов к разрешению дела.

ЭС «LEGAL ANALYSIS SYSTEM» помогает адвокатам анализировать с точки зрения права и практики его применения дела об умышленном оскорблении действием.

ЭС «LRS» оказывает помощь в подборе и анализе информации о судебных решениях и правовых актах в области кредитно-денежного законодательства, связанного с использованием векселей и чеков.

ЭС «TAXMAN» помогает исследовать логику рассуждений и аргументацию на примере законодательства о налогообложении корпораций.

ЭС «TAXADVISOR» оказывает содействие в планировании финансов для клиентов адвоката. На основе анализа данных о клиенте система предлагает решения, которые он должен принять для упорядочивания своих финансов

ЭС «SAL» обеспечивает помощь юристам в установлении размеров исков, связанных с получением работниками, имеющими дело с асбестом, профессиональных заболеваний.

ЭС «LDS» помогает юристам урегулировать проблемы исков о возмещении убытков и компенсациях за ущерб, связанный с выпуском дефектной продукции. Система на основании описания дела выдвигает версию о виновности ответчика, определяет цену иска, размер компенсации, обеспечивающий интересы сторон.

Одной из последних разработок в этой области является ЭС «VIP ADVISER» (2006 г.) для жителей Европейского Союза, которая дает он-лайн консультации, как оптимально управлять личными финансами. Программа использует диалоги на естественном языке и автоматический перевод вопросов.

Разработка экспертных систем по законодательству – длительное и дорогостоящее дело. Цена проекта быстро возрастает с расширением предметной области. Недавно Комиссия правовой поддержки (Legal Services Commission) Великобритании прекратила субсидирование проекта «Орел» (EAGLE), начатого в 2002 г. Проект должен был разработать экспертную систему для он-лайн консультаций граждан по вопросам трудового права.

В качестве примера систем для узкой области российского трудового законодательства рассмотрим ЭС «УЩЕРБ». При разработке экспертной справочно-консультационной системы «УЩЕРБ» была сделана попытка реализации некоторого обобщенного подхода, позволяющего, с одной стороны, учесть общий принцип рассмотрения вопросов, связанных с причинением материального ущерба, а с другой — «проиграть» многие варианты, обеспечивая тем самым возможность уточнить возможный порядок разрешения поставленного вопроса в рамках действующего законодательства. ЭС «Ущерб», созданная для пользователей IBM РC-совместимых персональных компьютеров, предназначена для юридического анализа ситуации привлечения рабочих и служащих к материальной ответственности при нанесении предприятию материального ущерба.

Цель системы — обеспечить оперативную консультационную помощь при решении правовых вопросов возмещения ущерба причиненного предприятию действиями или бездействиями рабочих и служащих; предоставить юридическую информацию для поддержки принятия решений в случаях причинения вреда, связанного с виновными действиями причинителя.

Система предназначена для использования судами, органами прокуратуры при проведении общенадзорных проверок, а также при исследовании деятельности предприятий и их должностных лиц юридическими службами, руководителями и советами трудовых коллективов учреждений и организаций, профессиональными союзами для разрешения споров с администрацией, а также в учебных заведениях, где изучается курс права.

Система позволяет рассматривать следующий основной круг вопросов:

× возможность привлечения лица к ответственности за ущерб, причиненный предприятию или организации;

× установление вида и размеров материальной ответственности исходя из обстоятельств конкретной ситуации;

× ориентировочное определение размера ущерба; определение порядка возмещения ущерба.

Такая структура основывается на формуле, согласно которой, приступая к рассмотрению конкретного дела (ситуации) по существу, необходимо установить характер возникших правоотношений и вычленить основные критерии для их оценки. Это позволяет правильно определить круг нормативных актов, которые должны быть применены для правильного решения дела, и рассмотреть порядок их применения. ЭС «Ущерб» включает контекстно-зависимый справочник по законодательству, а также ссылки на использованную юридическую литературу.

В процессе работы пользователь вместе с системой осуществляет разбор и анализ сложившейся реальной или учебной ситуации и получает от системы рекомендации по выбору решений. Контекстные комментарии и справки, появляющиеся одновременно с вопросами системы, оказывают существенную помощь неподготовленному пользователю, а также снимают вопросы, связанные с неоднозначным толкованием терминов в праве.

При наличии ограничений на сроки выполнения действий, предусмотренные законом, ЭС делает необходимые напоминания. Специальные, встроенные средства обоснования своих действий, «мнений» или рекомендаций делают систему достаточно удобной в работе. Более того, ЭС, подобно человеку, даже способна научить тому, как проводить изучение ситуаций.

По мере решения вопросов можно всегда вернуться назад на произвольное число шагов и уточнить или изменить ход рассуждений. Такая возможность является незаменимой при работе в режиме «отыскивания особых случаев и исключений». Поскольку в реальности наши рассуждения часто гипотетичны, основаны на неполной, неточной или изменчивой информации, то они, естественно, предполагают осуществление постоянных пересмотров (модификаций). По мере уточнения, а зачастую и понимания рассматриваемой ситуации из существующего перечня правовых норм выбираются именно те, которые должны быть применены в данном случае. При этом фактически последовательно как бы отсекаются все лишние.

В фоновом режиме, всегда доступном для просмотра, система формирует краткое изложение результатов анализа рассматриваемой пользователем ситуации, включая промежуточные выводы. В случае необходимости система формирует перечень документов, необходимых для разрешения конкретных ситуаций, обеспечивает пользователя образцами исковых документов, необходимых для рассмотрения вопроса о возмещении вреда в судебном порядке.

8.3. Консультационные системы поддержки расследования преступлений

Анализ следственной практики выявил связь случаев необоснованных арестов или привлечения людей в качестве обвиняемых с целым рядом тактических ошибок и, соответственно, с возникновением сложных процессуально-тактических ситуаций: в 46% случаев не учитывались возможности того, что обвиняемые изменят свои показания; допускались ошибки при оценке доказательств (33%); не использовались возможности собирания доказательств (39%); не проверялись некоторые версии (13%); не устранялись противоречия в показаниях (2%); ошибки в сборе и фиксации доказательств (7%); не устанавливались соучастники преступника (1%).

Одним из направлений повышения эффективности расследования преступлений является использование в процессе следствия интеллектуальных консультационных систем (ИКС). К классу ИКС относят информационно-аналитические системы, системы поиска прецедентов, экспертные системы.

Информационно-аналитические системы

Информационно-аналитические системы основаны на технологии i 2, которая позволяет анализировать связи между событиями или людьми.

При расследовании деятельности организованных преступных структур возникает необходимость решения поисковых, аналитических задач в графическом режиме, например, путем составления схемы преступных связей в криминальной группировке. Зачастую при использовании графических схем решить эту задачу «в ручную» не удастся из-за особой сложности и разветвленности преступных связей, а также из-за необходимости показать содержание таких связей.

Информационно-аналитические системы позволяют во многом решить эту проблему. ИАС «Спрут» специально ориентирована на выявление и моделирование связей в преступных группировках. Она позволяет фиксировать информацию, отражающую качественные характеристики таких связей как коррупция, родственные связи и т.д. Аналогичные системы, например система «Кондор» (г. Омск), позволили значительно оптимизировать процесс аналитической работы следователей по уголовным делам.

На том же принципе разработаны системы для поиска преступников-«гастролеров». Например, АИС «Квадрат» на основе информации о преступлениях и административных правонарушениях дает анализ более или менее устойчивых криминогенных связей (место жительства, работы, наличия знакомых) между местом совершения преступлений и местом жительства преступников.

Аналитическая система фирмы i2 Limited – система нового поколения. Она позволяет анализировать повторяющиеся действия, используя огромные массивы неструктурированных данных. Объектом исследования программы является физическое или юридическое лицо. Количество таких объектов в хранилище исчисляется десятками миллионов. Данные в систему поступают из совершенно не связанных между собой источников, таких как интернет, базы данных различных государственных ведомств. Естественно, ни о каком согласованном способе идентификации объектов между подобными источниками данных не может быть и речи. Объем дублирующих данных по одному и тому же объекту чрезвычайно велик.

Примером анализа, проводимого системой, может служить поиск повторяющихся последовательностей звонков в списке телефонных звонков с целью выявления группы наиболее тесно связанных между собой лиц. Например, следователь может с помощью данного алгоритма пытаться выявить сообщников по преступлению, предполагая, что перед совершением преступления злоумышленники перезваниваются и договариваются о встрече. Алгоритм позволит выявить такую группу в массе хаотических звонков абонента прочим лицам.

Система позволяет выявить факты отмывания денег, найти сообщников в не связанных делах. Например, с ее помощью страховая компания обнаружила группу мошенников, организовывающих ДТП, выступая то в роли виновников, то в роли пострадавших.

Эти системы позволяют оптимизировать процесс аналитической работы следователей по уголовным делам.

Консультирующие программы

Консультирующие программыпозволяют пользователю принимать решения, опираясь на советы интеллектуальной системы.

Предметная область таких АИС очень разная.

Востребованы программы, которые содержат информацию о методологии раскрытия различных преступлений и информацию из области уголовно-процессуального законодательства. Это необходимо, чтобы нивелировать порой непрофессиональную работу молодых сыщиков. Программа с помощью специально созданной логической структуры должна указывать оперативнику, когда и какие экспертизы назначить, какой документ он должен заполнить, кто и в какие сроки должен его утвердить.

Скотланд-Ярд разработал консультирующую интеллектуальную систему расследования убийств, которая работает с базой прецедентов. По мере накопления материалов следствия программа предлагает новые версии, рекомендует проведение необходимых экспертиз. В настоящее время она проходит испытания в Шотландии. Исследовав статистику по всем убийствам, которые совершались в Великобритании за последнее десятилетие, создатели программы обнаружили, что многие случаи убийств были очень похожи, - Однако, несмотря на то, что свидетельские показания и улики при однотипных убийствах в разных городах практически совпадали, расследование в каждом случае велось по-разному. Кто-то очень быстро находил преступника. Но у многих сыщиков на это уходило много времени, потому что они раньше не сталкивались с подобным типом убийств.

Консультационные системы применяются в судебной экспертизе.  Например, для выработки гипотез очень важно точное определение времени смерти. Для этого используются как результаты внешнего осмотра тела, так и данные патологоанатома, биохимические и токсикологические анализы. ЭС позволяет внести имеющиеся наблюдения и получить обоснованный ответ. Если данных недостаточно или они противоречивы, в режиме диалога будут затребованы дополнительные исследования. Так реализована ЭС «Время смерти». В 2005 г. ЭС «Шерлок Холмс» появилась и в арсенале английских детективов. Ее особенностью является возможность поиска по прецедентам: индексирование особенностей преступления и возможность сравнения данного преступления с уже известными для повторения методов поиска претупников.

Огромную роль в следственной практике играют достижения прикладной психологии. С помощью экспертов-психологов была разработана консультирующая система «Маньяк», которая выдает психологический портрет серийного преступника на основании описания методов совершения преступления.

В НИИ МВД РФ создали отдел психофизиологических проблем раскрытия преступлений и анализа преступного поведения, основным объектом работы которого являются преступления, содержащие признаки серийности. Из работников ряда подразделений МВД, сотрудников Генеральной прокуратуры РФ и научно-исследовательских учреждений Минздрава была сформирована постоянно действующая рабочая группа. В ее состав наряду с работниками упомянутого отдела НИИ вошли группы из отдела судебно-психиатрических экспертиз Федерального центра им. Сербского и лечебно-реабилитационного центра "Феникс" из Ростова-на-Дону.

Исследования серийных убийств ведутся по следующим направлениям:
- разработка психологической и психиатрической типологии сексуальных серийных убийц;
- определение методов выявления основных признаков личности и поведения этих преступников;
- выяснение статистической значимости выявленных характерных признаков личности и поведения указанных правонарушителей;
- создание типовой информационной модели сексуального убийцы и формирование поискового портрета по конкретным делам в целях розыска.

Программистами НИИ МВД разработана автоматизированная информационно-поисковая система (АИСП "Монстр"), предназначенная для анализа информации о серийных убийствах и использования при построении поисковых портретов неизвестных преступников. Введены в эксплуатацию созданные в ГИЦ ГУУР и НИИ МВД автоматизированные системы 'Насилие' и 'Досье' Федерального банка криминальной информации, предназначенные для сбора и первичного анализа необходимых поисковых сведений.

В каждом конкретном случае поисковый портрет является результатом комплексного междисциплинарного анализа отраженного в материалах дела криминального события.

Как и в других странах, направленность анализа данных, полученных в ходе осмотра места происшествия, содержащихся в показаниях свидетелей, различных экспертных заключениях, одна - получить сведения о личности преступника, но не фамилию и адрес, а информацию, позволяющую создать вероятностный портрет преступника с характерными чертами его психического и внешнего конституционного облика, профессиональной ориентацией, стилем жизни, увлечениями и прочим. "Совпадение подозреваемого с моделью поможет изобличить преступника, а несовпадение - отвести подозрение от невиновного. А до того, как появится конкретный подозреваемый, возможно создание его психологической модели, образа.
В составлении упомянутых портретов (моделей) принимают участие научные и практические работники-специалисты различных 'поведенческих' отраслей - криминалисты, криминологи, психологи и психиатры. Плодом их совместной деятельности выступает заключение (или справка), имеющее рекомендательный характер.

Главными заказчиками выступают службы криминальной полиции УВД и следственные подразделения прокуратуры.

По мнению разработчиков, в зависимости от характера и содержания информации поисковый портрет устанавливаемого преступника может содержать следующие данные:
- общая характеристика личности и преобладающая мотивация поведения;
- привычки, склонности, навыки и другие индивидуальные признаки личности;
- возрастная группа;
- район проживания;
- район места работы, службы, учебы;
- уровень образованности и профессиональная деятельность;
- особенности происхождения (родительская семья) и история личной жизни; - семейное положение и наличие детей;
- отношение к службе в армии, спорту, работе с людьми и т.д.;
- наличие прошлой судимости;
- наличие психической и иной патологии;
- антропологическая и функциональная характеристика (тип внешности, телосложение, пантомимика и др.).

 

 

В практике оперативно-розыскной работы и расследования преступлений важное место имеют автоматизированные системы "Модус операнди" (образ действия).

Человеку свойственно выполнять те или иные действия в определенной (присущей ему) манере, а продукты человеческой деятельности несут в себе отражение особенностей личности (индивидуального опыта, психического склада, навыков, умений). Аналогично, преступники нередко придерживаются определенных видов посягательств и осуществляют их при помощи устойчивых (постепенно выработавшихся) приемов. Способ преступления, система действий по его подготовке детерминированы условиями внешней среды и психофизиологическими свойствами личности.

"Модус операнди" представляет собой определенным образом организованную совокупность данных о способе действий преступников.

Исходная информация включает две части: описание известных преступников и описание способа совершения преступлений. Пользуются БД следующим образом: установив характерные особенности способа вновь совершенного преступления, их сравнивают с признаками "Модус операнди" известных преступников и при совпадении признаков выдвигают версию о том, что и данное преступление мог совершить уже известный человек, ранее действовавший таким же способом. Одновременно просматриваются БД с нераскрытыми преступлениями, совершенными похожим способом. По совпадению способов могут быть выдвинуты версии двух видов: преступление, аналогичное по способу действий, совершило лицо, принадлежащее к определенной группе лиц, преступление совершило одно и то же лицо.

Тема: Программные средства Безопасность 17.01.06, Вт, 11:45, Мск На что способны ИТ-решения для силовиков Информационно-аналитические системы, предназначенные для решения задач, стоящих перед государственными правоохранительными органами, существенным образом отличаются от традиционных аналитических систем поддержки принятия решений. Для раскрытия преступлений требуются особые методы отображения и обработки данных. Cтраницы: 1 2 следующая Для обеспечения информационной поддержки принятия решения в области охраны порядка, антитеррористической деятельности, разведки, борьбы с различного рода мошенничеством требуется решение специфических следственных задач. К ним, в частности, могут быть отнесены сбор и анализ информации о физических и юридических лицах (адрес, телефоны, место регистрации, место работы, государственные идентификаторы (ИНН и проч.), информация об удостоверяющих документах). Кроме того, к числу указанных задач можно отнести необходимость выявления связей объекта с другими объектами, сбор и анализ информации о деятельности объекта, например, участие в последовательности каких-либо событий, а также транзакционный анализ, то есть анализ телефонного или электронного почтового трафика, анализ банковских транзакций. У большинства же пользователей сам термин «система поддержки принятия решений» ассоциируется в основном с информационно-аналитическими системами, предназначенными для анализа финансовой и статистической информации. В итоге традиционная система поддержки принятия решения воспринимается как хранилище данных, использующее типичные структуры данных: «звезда», «снежинка» и многомерные кубы. В качестве средства, обеспечивающего аналитику доступ к данным на различных уровнях агрегации, используются варианты OLAP-технологий. Архитектура традиционных аналитических систем Такие аналитические системы действительно эффективны, когда решаются задачи анализа численной информации. Основными задачами такого анализа являются: понимание поведения анализируемого показателя как функции ряда параметров, выявление значений параметров с аномальным поведением анализируемого показателя, а также предсказание значения анализируемого показателя при изменении параметров. Типичным примером подобных систем являются продажи того или иного продукта по регионам и кварталам. Серьезные отличия в решаемых задачах требуют различного представления данных и использования различных технологий анализа. Внимание! CNews Analytics готовит аналитический Обзор "Информационные технологии в органах государственной власти 2006". В рамках Обзора будет размещен рейтинг ИТ-проектов в органах государственной власти России. В случае, если вы заинтересованы в размещении рекламно-информационных материалов, просьба обращаться к ведущему Обзора. Ключевые отличия Для аналитиков, занимающихся следственной деятельностью, наиболее естественной моделью данных является граф, а не многомерный куб. Значительная часть аналитической работы в этом случае заключается в выявлении связей между объектами. И, соответственно, основными понятиями модели данных становятся не «мера» и «размерность», как в случае многомерных моделей, а «объект» и «связь». Подобного рода информация большей частью не может быть агрегирована, что делает традиционные средства представления информации в виде экранных форм и таблиц малопригодными. На первый план выходят визуальные средства анализа и такие графические представления данных как диаграммы связей, диаграммы последовательности событий и диаграммы транзакций.   Диаграмма связей   Диаграмма последовательности событий   Диаграмма транзакций   Другой весьма существенной особенностью построения аналитических систем, связанных с безопасностью, является способ формирования хранилища данных. В случае финансовых аналитических систем источником данных, как правило, являются информационные системы, работающие в рамках одной и той же организации. При этом число объектов, подлежащих идентификации при загрузке хранилища по сравнению с объемом данных об этих объектах относительно невелико. Количество подобных объектов обычно исчисляется несколькими сотнями или тысячами. Совершенно иная ситуация наблюдается в аналитических системах безопасности. Объектом исследования является физическое или юридическое лицо. Количество таких объектов в хранилище исчисляется десятками миллионов. Данные в систему поступают из совершенно не связанных между собой источников, таких как интернет, базы данных различных государственных ведомств. Естественно, ни о каком согласованном способе идентификации объектов между подобными источниками данных не может быть и речи. Объем дублирующих данных по одному и тому же объекту чрезвычайно велик. Поиск иголки в стоге сена В традиционных статистико-финансовых системах наибольший интерес представляют макропоказатели, и, соответственно, логика анализа данных строится на изучении поведения существенным образом агрегированных данных, что позволяет сжать исходный объем данных до уровня, доступного для восприятия аналитика. Подобный подход далеко не всегда адекватен задачам, стоящим перед ИАС силовых подразделений. Информация в таких системах часто не подлежит агрегированию. Но даже в тех случаях, когда данные могут быть агрегированы, их анализ зачастую не представляет интереса, поскольку предметом поиска являются достаточно редкие на фоне стандартного поведения факты. Например, борьба с отмыванием нелегальных доходов предполагает поиск в огромном потоке вполне легальных финансовых операций отдельных случаев отмывания денег. Основной поток операций носит легальный характер, и если изучать агрегированные данные, то обнаружить нарушения вряд ли удастся. Аналогичные проблемы стоят и во множестве других сфер деятельности: выявление фактов мошенничества в страховом бизнесе, принятие решения об открытии кредитной линии банком и т.п. Общим для этих случаев является поиск в массиве данных, хотя и относительно редких, но важных событий, в той или иной мере обладающих устойчивыми характерными признаками. Безусловно, сказанное выше не означает, что OLAP-технологии не применимы в аналитических системах различного рода силовых структур. Они отлично работают в случае, когда речь идет об анализе статистической информации. Например, ведение статистики правонарушений по регионам

Аналитические системы для силовиков

Характерной чертой аналитических систем, предназначенных для поддержки принятия решения в области обеспечения безопасности, будь то государственная безопасность, общественная или корпоративная, является акцент на работе с отдельным объектом, на выявление его связей и отношений с другими объектами, обнаружение в его поведении некоторых характерных признаков. Отмеченные особенности ИАС, применяемых силовыми подразделениями и службами безопасности, приводят к отличной от традиционной архитектуре аналитической системы. К ключевым аспектам традиционных ИАС: хранилище данных, внешние источники с процедурами ETL (извлечение-преобразование-загрузка) добавляются системы интегрированного управления данными, средства визуального анализа, технологии извлечения знаний.

 

Архитектура аналитической системы служб безопасности

 

Включение в ИАС системы интегрированного управления данными позволяет не только более адекватно решать задачи идентификации дублирования данных об объектах как в собственных, так и внешних базах данных, но и существенно повысить качество данных, помогая обнаружить ошибки ввода, нарушения логических связей, целостности ссылок. Немаловажно, что такие компоненты становятся доступны от давно и прочно укрепившихся на рынке информационных технологий компаний-лидеров, таких например как Oracle, развивающей серию продуктов Oracle Data Hub. Применение подобных продуктов позволяет не просто единожды консолидировать информацию об объектах в едином хранилище во время первоначальной загрузки, но продолжать независимое функционирование подсистем, выполняющих роль источников данных, не теряя согласованного представления об объекте.

В настоящее время на рынке программного обеспечения, ориентированного на следственную деятельность, можно отметить трех основных игроков: i2 Limited,Visual Analytics и Xanalys. В России наиболее известны и представлены первые две компании из этого списка. Причем пионером и de facto «законодателем мод» в области визуального аналитического инструментария для следственной деятельности можно назвать компанию i2 Limited. Программные продукты этих компаний, существенным образом отличаясь архитектурно, используют одну и ту же модель данных - «объект-связь» и в значительной мере пересекаются функционально, поскольку так или иначе пытаются решать одни и те же задачи визуального анализа данных, хранения данных, появляющихся во время расследования, использования данных, хранимых во внешних базах данных, а также работы с неструктурированными данными. Поскольку основной упор в программном обеспечении подобного рода делается на визуальное восприятие, лидирующую роль играют графические средства представления информации.

 

Круговое расположение – объекты расположены по кругу с группировкой по типам и количеству связей

 

На что способны ИАС для следователей?

Функциональность продуктов не ограничивается только графическим представлением данных. Могут поддерживаться и другие интересные возможности. Так, например, реализуется расширение связей - аналитик может одним щелчком мышки найти в базе данных, не только прямые, но и косвенные связи данного объекта. Кроме того, возможен поиск пути между объектами, как на схеме, так и в базе данных позволяющий показать цепочку объектов и связей между ними, ведущую от одного из изучаемых объектов к другому. Для большей наглядности и простоты обработки данных предпочтительным является выделение на схеме группы наиболее тесно связанных между собой объектов. В подобных ИАС реализуется также поиск объектов со схожими именами, и автоматическая идентификация дубликатов объектов на схеме, а также графическое задание запроса на поиск.

Последнее особенно интересно, поскольку позволяет аналитику создавать шаблоны событий. Так, например, аналитик страховой компании мог бы интересоваться поиском группы водителей, одновременно вовлеченными в серию ДТП, но в разных ролях, как показано на рисунке ниже, где группа мошенников в различных ДТП поочередно выступает, то в роли потерпевшего, то в роли виновного, то в роли свидетеля.

 

Пример шаблона события

 

В линейку продуктов, предлагаемых компаниями, разрабатывающими аналитическое программное обеспечение с возможностями визуализации, как правило, входят так же специализированные СУБД, алгоритмы извлечения знаний, GIS-модули, элементы OLAP технологий, средства работы с неструктурированным текстом.

Рассмотрим одну из базовых технологий извлечения знаний. В случае анализа большого числа транзакций часто используется алгоритм выявления шаблонов транзакций. Под шаблоном транзакций понимается ограниченная некоторым заданным временным интервалом группа транзакций между одними и теми же объектами, многократно повторяемая во времени. Примером такого анализа может служить поиск повторяющихся последовательностей звонков в списке телефонных звонков с целью выявления группы наиболее тесно связанных между собой лиц. Например, следователь может с помощью данного алгоритма пытаться выявить сообщников по преступлению, предполагая, что перед совершением преступления злоумышленники перезваниваются и договариваются о встрече. Алгоритм позволит выявить такую группу в массе хаотических звонков абонента прочим лицам.

 

Диаграмма звонков абонента – исходные данные

 

Найденный кластер и шаблоны

 

Наряду со средствами работы со структурированными данными, хранящимися в той или иной базе данных, в линейку аналитических продуктов входят средства работы с неструктурированной информацией. Программные продукты данного направления позволяют выделить в тексте основные элементы информации – разметить текст. Импортируя результаты разметки в базу данных, аналитик, тем самым структурирует информацию. Фрагменты размечаемого текста непосредственно присваиваются атрибутам объектов. При этом разметка текста сопровождается графическим аннотированием документа – наряду с разметкой строится диаграмма объектов, описываемых в документе, и отношений между ними.

 

Пример разметки документа

 

Таким образом, аналитические системы служб безопасности, унаследовав общие черты систем поддержки принятия решений, обладают рядом существенных особенностей, специфических для данной предметной области. Изменения проявляются и в модели данных, и в архитектурных решениях, и в клиентском программном обеспечении.

Методы распознавания образов дали большой материал психологам для исследования невербальной информации, которая содержится в мимике, жестах, интонации, изменении тембра голоса. Эти действия человек производит бессознательно, обычно не замечая, поэтому он не их контролирует или контролирует не полностью. Анализ многочисленных фотографий людей, намеренно обманывающих собеседника, позволил получить устойчивый образ такого поведения.

Большой вклад в теорию ведения допроса внесла математическая теория рефлексивных игр. Рефлексия – способ выбора стратегии игры, учитывающий, что противник пытается разгадать эту стратегию и подстроить свои действия с учетом этих знаний. Он может делать ложные ходы, чтобы сбит