OD DAT KE ZNALOSTEM III

Programové schéma cyklu webových seminářů

OD DAT KE ZNALOSTEM III

České pobočky AFCEA – pracovní skupiny PS07 Inteligence a fakulty bezpečnostně právní Policejní akademie ČR

  

 

 

 

Zahrnuje problematiku řešení řetězce data-informace-znalosti za účelem podpory rozhodování v rámci Boydova cyklu (Observe – Orient – Decide – Act).

 

TERMÍN: první dva webináře se uskuteční 3. 12. a 17. 12. 2020, vždy od 10:00h do 12:00h, přednášky v pořadí, jak jsou uvedeny níže
MÍSTO: on-line (platforma Webex)
Délka webináře: 2 hodiny (tj. 3-4 vystoupení v pořadí uvedeném níže, 1 vystoupení 30’ + diskuse)
AUDITORIUM: Omezeno pouze pro pracovníky státní správy a členy AFCEA. Organizátor si vyhrazuje právo potvrdit účast.
REGISTRACE: Zašlete registrační e-mail na první webináře plánovaný na 3.12.2020 na adresu ps07@afcea.cz. V mailu uveďte jméno, příjmení, zaměstnavatele a/nebo členské číslo AFCEA a vaši e-mailovou adresu. Po schválení registrace obdržíte na vámi zaslanou e-mailovou adresu unikátní link do Webexu.
Pro registraci na dalším webináři prosíme zaslat další registrační e-mail.

 

 

Základní tematické vymezení OD DAT KE ZNALOSTEM III.:

 

    Profilace[1] objektu[2] / Vytvoření znalosti o objektu

Při vyšetřování skutkové povahy kriminální činnosti právnické či fyzické osoby nebo hodnocení bonity klienta banky jsou kladeny otázky typu: jakým způsobem z veřejně dostupných dat lze sestavit profil objektu? Jak integrovat a konsolidovat data a informace do jednotné znalosti? Jak znalost o objektu formalizovat, vizualizovat a kvantifikovat?

To jsou otázky, na které budou jednotlivé webové prezentace odpovídat.

 

Cílem webových seminářů je:

  1. Pro oblast Data. Sběr a základní zpracování dat, klasifikace dat o objektu, ontologie, kvalita dat, zdroje dat, správa metadat, metody sběru, architektury řešení sběru dat (např. OSINTu).
  2. Pro oblast Informace. Vytvoření informací o objektu na základě dat. Resoluce objektů, biometrie řeči a fotografie. Extrakce dat/informací z nestrukturovaných dat. ML. Open source nástroje pro řešení těchto úloh nebo komerční nástroje.
  3. Pro oblast Znalosti (také data fusion). Vytváření ucelených znalostí o objektech a vztazích mezi objekty. Generování jakéhosi „CV“ (profilu) objektu. Open source nástroje pro řešení těchto úloh nebo komerční nástroje.

 

  Témata webových seminářů
1

Václav Špáňa (Gartner): Přehled o konceptech pro datovou analýzu.

Data jsou dnes tím nejcennějším. Instituce a podniky nasazují drahé nástroje, aby stíhaly zpracovat rostoucí množství dat. Nástroje ale nestačí – instituce musí definovat oblasti analýzy dat, najít správné lidi a doplnit souvislosti. Až potom lze začít využívat data opravdu. Jaké jsou v analýze dat důležité oblasti? Jak je začít propojovat? Jak začít využívat umělou inteligenci? Jak hledat správné lidi?

2

Jiří Kottas (Matematik a  bezpečnostní expert): Metody stanovení kreditních rizik.

Vytváření profilu fyzické a právnické osoby za účelem stanovení kreditních rizik (bonita / rizikovost klienta). Postupy a matematické algoritmy využívané k segmentaci cílové skupiny podle rizikovosti.

3

Michal Gürtner (IBM): IBM řešení pro profilaci objektu a konsolidaci dat.

Vytváření a získávání znalostí o objektu je klíčové i pro oblast párování objektů a jejich konsolidaci z mnoha různých datových zdrojů. Jejich rozmanitost přináší vedle tradičních údajů i další typy identifikátorů zájmových objektů např. facebook id, twitter id, hash biometrických údajů aj.

Využívání těchto dat k párování objektů vyžaduje pokročilé znalosti i technologie, umělou intelligenci a strojové učení..

4

Miroslav Nečas (Tovek Solutions): Každý měl svá tajemství.

Využití OSINT (Open Source Intelligence) a softwarové podpory pro vytvoření rizikového profilu osoby nebo firmy (ověření kompetencí, pověsti a sociálních, ekonomických, osobních, mediálních a dalších rizik).

5

Pavel Prokop (Datera): Profil osoby na základě veřejně dostupných dat.

Sledování profilů na sociálních sítích, monitorování obsahu podle umístění autora a podle klíčových slov v reálném čase (Twitter, Instagram). Automatizace sbírání dat ze sociálních sítí a vizualizace vztahů a obsahu v nástroji pro linkovou analýzu.

6 Jan Klíma (Česká Pojišťovna): Profil pojistníka, detekce rizikových faktorů OSINT governance.

  • Zajištění personálních a jiných kapacit jako předpoklad OSINT činnosti (data, informace, dolování a využití získaných znalostí).
  • Hodnocení rizikovosti klienta v procesu úpisu pojistné smlouvy (rizika, relevantní aspekty rizikovosti, opatření k řízení rizik).
  • Využívané datové zdroje a informační kategorie (interní vs. externí, získané od protistrany z veřejně přístupných či placených informačních zdrojů,).
  • Sestavený rizikový profil pro účely AML & Antifraud (evidence, správa a sdílení za účelem prevence zneužití pojišťovny k páchání trestné činnosti).
  • Analýza reputačních rizik – korporátní pojištění a dodavatelsko-odběratelské vztahy. Hodnocení spolehlivosti protistrany pro obchodní jednání.
  • Bezpečnostní analýza významné firemní události (prověrka místa, účastníků, dodavatelů služeb, ochrana důvěrných informací).
  • Spolupráce při ověřování věrohodnosti informací s partnery v rámci sektoru, využití informací získaných od orgánů státní moci při plnění úkolů pojišťovny.
7

David Slánský (KPMG): Predikce předčasného ukončení vysokoškolského studia na základě vytváření komplexního profilu studenta.

Vytváření komplexního obrazu o studentech s cílem pomoci jim dokončit vysokou školu za využití automatizovaného sběru a vyhodnocení vhodných dat.

  • Proč právě toto téma? (business i společenské důvody).
  • Možné signály / indikátory a vytváření celkového obrazu.
  • Legislativní a etická omezení.

Téma pojednává o riziku odchodu osoby (obecně o riziku / predikci zásadní změny chování) a lze aplikovat i mimo univerzity na zákazníky, zaměstnance nebo jiné vhodné objekty i situace.

8 Pavlína Nebeská, Michal Šmíd (NCOZ SKPV): Finanční šetření PČR.

  • co je finanční šetření – majetkový profil podezřelé / obviněné osoby, ale i osob blízkých
  • účel a význam finančního šetření pro policii – vyhledání, zajištění a odčerpání výnosů z trestné činnosti
  • legislativa (trestní zákoník, trestní řád, závazný pokyn policejního prezidenta)
  • možnosti provádění finančního šetření – od stolu, v terénu, analytické programy, šetření v tuzemsku x v zahraničí (výhody, nevýhody, časová náročnost, skryté vyhledávání, žádosti, právní pomoci …)
  • spolupráce s dalšími institucemi (banky, katastry, stavební spořitelny, instituce, které spravují penzijní připojištění, vedou majetkový účet s cennými papíry …)
9

Jakub Škrdlík (Phonexia): Praktická ukázka využití řečových technologií na dvou příbězích.

Webinář představí simulovaný policejní a zpravodajský příběh, analyzovaný pomocí řečových technologií. Ukázka proběhne na emulovaných realisticky vypadajících nahrávkách.

10

Avi Tenenbaum (Patternz, Izrael): Profiling based on localization data.

What if you know of a potential threat, but have no clue who brings it to the country and when? A dangerous gathering that start at a given location but where will it lead? An explosive hideout that shifted location, and needs to be found, an un-identified terror group where you only know 2 locations that they maybe meeting – but no clue who they are, inbound travels into a location that needs to be monitored for security reasons and much more..

Here comes our solution to assist with non-intrusive, easy to deploy national and government agencies designed platform that provides analytics based on mobile real-time insights,  predicting events based on group patterns, identify relationship between individuals and groups even with targets just entered the country, set real-time location identifications, behavioral patterns and movement/location predictions. Providing a wide scope actionable insights that act upon using digital advertising data mining and advanced analytics.

[1] Profilováním se rozumí řetězec procesů/aktivit sběru dat, vytváření informací a zpracování znalostí o objektu

[2] Objektem se rozumí např. fyzická osoba či právnická osoba, událost, atd.

 

Více informací:                               

Josef Strelec
Předseda pracovní skupiny PS07 Inteligence, AFCEA
Telefon: 731 137 310
e-mail: PS07@afcea.cz