Номер державної реєстрації: 0120U102151

Строк виконання: 2020 р. – 2022 р.

Джерело фінансування: кошти Державного бюджету України (Наказ МОН № 29 від 11.01.2020 р.)

Мета проєкту: моделювання ризиків та безпеки в цифровій економіці на основі нової концепції, яка базується на моделях і методах науки про дані (Data Science), та створення інтелектуальної системи автоматизованої побудови скорингових моделей для оцінки ризиків неправомірного отримання соціальної допомоги та ухиляння від сплати податків.

В рамках проєкту поставлені наступні завдання для досягнення мети проєкту:

1. Розробити нову концепцію моделювання ризиків та безпеки в сучасних умовах цифровізації економіки, для чого: проаналізувати процеси цифровізації, що відбуваються в економіці України та здійснити класифікацію ризиків і загроз у цифровій економіці; дослідити зміни у структурі зайнятості та доходів населення в умовах цифровізації та їхній вплив на ризики несплати податків і неправомірного отримання соціальної допомоги; проаналізувати питання захисту та збереження комерційної інформації та приватних персональних даних в умовах цифрової економіки; отримати аналітичну оцінку існуючого математичного інструментарію для моделювання ризиків і безпеки в цифровій економіці та визначити інструментарій, який придатний для адекватного моделювання ризиків ухиляння від сплати податків та шахрайства при отримані соціальної допомоги.

2. Розвинути інструментарій моделювання ризиків та безпеки в цифровій економіці, для чого: дослідити моделі поведінки економічних агентів щодо сплати податків в умовах цифрової економіки; визначити апріорну сегментацію платників податків та адекватний математичний інструментарій моделювання ризиків несплати податків для кожного сегменту; проаналізувати моделі поведінки економічних агентів щодо отримання соціальної допомоги в умовах цифровізації економіки та поширення дистанційних форм зайнятості; визначити сегментацію одержувачів соціальних виплат на основі апріорної інформації та інструментарій моделювання ризиків неправомірного отримання соціальних пільг для кожного сегменту.

3. Створити інтелектуальну систему автоматизованої побудови скорингових моделей для оцінки ризиків неправомірного отримання соціальної допомоги та ухиляння від сплати податківна підґрунті методів та моделей Data Science (Data Mining, машинного навчання, зокрема методів штучного інтелекту), для чого: розробити програмне забезпечення для реалізації скорингових моделей оцінювання ризиків ухиляння від сплати податків; розробити програмне забезпечення для реалізації скорингових моделей оцінювання ризиків неправомірного отримання соціальної допомоги; провести навчання нейронних мереж на реальних данних; виконати тестування та налагодження розробленого програмного забезпечення.

В результаті реалізації проєкту були досягнуті такі результати: 

1. Розроблено нову концепцію моделювання ризиків та безпеки, яка враховує глобальні процеси цифровізації економіки, що відбуваються в Україні та світі, відповідні зміни у структурі зайнятості і доходів населення та їх вплив на ризики несплати податків і неправомірного отримання соціальних пільг, а також проблеми кібербезпеки в умовах цифрової економіки. 
2. Побудована низка економіко-математичних моделей та розроблено відповідні інтелектуальні системи аналізу ризиків та автоматизованої побудови скорингових моделей для оцінювання ризиків неправомірного отримання соціальної допомоги та ухиляння від сплати податків. Системи дають можливість завантаження історичних даних та налаштування моделей з метою виявлення властивостей, характерних сумлінним платникам податків та отримувачам державної допомоги та порушникам законодавства. Система в автоматичному режимі здійснює: розподіл загальної вибірки на навчальну і тестову з рівномірним представленням різних типів поведінки платників податків чи отримувачів соціальної підтримки; категоризацію характеристик платників чи отримувачів соціальної підтримки із забезпеченням врахування систематичності впливу категоризованих значень кількісних показників на результативну змінну; відбір характеристик, які забезпечать найбільшу ефективність та стійкість результатів оцінки на навчальній та тестовій вибірках.