EVOLUCIÓN PLATAFORMA AML (Proyecto RED ES)

Desde hace años las Entidades Financieras se ven obligadas a cumplir toda una serie de normativas para la prevención del blanqueo de capitales y de la financiación del terrorismo (AML/FT). Para ello han tenido que diseñar e implementar complejos procesos para cumplir con la normativa vigente en cada jurisdicción sobre la que operan. Hoy en día, la popularidad de las nuevas tecnologías financieras, como la banca a distancia, el uso de criptodivisas, las plataformas de comercio electrónico, etc., provocan que el cumplimiento de la normativa sea todavía más complejo. Aunque existen herramientas de software para detectar las transacciones sospechosas, éstas se basan normalmente en el conocimiento de los expertos en la materia, pero a medida que surgen nuevas tácticas delictivas, los mecanismos de detección del software quedan obsoletos y deben actualizarse. El uso de nuevas tecnologías basadas en Machine Learning vienen a paliar este problema, ya que este tipo de algoritmos son capaces de aprender a partir del dato, sin necesidad de el programador re-codifique el conocimiento experto, y además aportan capacidades de detección de anomalías que superan ampliamente al humano.

Grupo AIA es el creador de la plataforma AML SIOPEIA GEB, la cual emplea técnicas de Inteligencia Artificial para analizar un gran volumen de datos y ofrecer solución al problema AML/FT a importantes entidades financieras del Estado Español y Portugal. La presente propuesta a RED.ES propone aplicar técnicas de Machine Learning de última generación para mejorar la calidad de las sospechas generadas por los procesos de análisis, tanto para reducir falsos positivos como para incrementar los tipos de casos de riesgo detectados (es decir, reducir también los falsos negativos). En esta misma línea, plantea aplicar network/graph analysis para establecer criterios de detección basados en características del grafo de relaciones de clientes y operativa. Además, en el ámbito robotics se plantea automatizar procesos del equipo humano de supervisión aplicando face recognition. Y por último, también para la reducción de la carga de trabajo de los analistas, plantea aplicar machine learning para realizar un triaje de las sospechas, para que su revisión reduzca los riesgos de la entidad.

La entidad pública empresarial Red.es, adscrita al Ministerio de Asuntos Económicos y Transformación Digital, a través de la Secretaría de Estado de Digitalización e Inteligencia Artificial, a través de la convocatoria de ayudas 2021 destinadas a proyectos de investigación y desarrollo en inteligencia artificial y otras tecnologías digitales y su integración en las cadenas de valor, ha concedido con apoyo financiero a la empresa APLICACIONES EN INFORMÁTICA AVANZADA, S.L. como beneficiario de la subvención para el desarrollo del proyecto “DETECCIÓN AVANZADA DE BLANQUEO DE CAPITALES CON MACHINE LEARNING”.

RAIN: Risk Analysis of Infrastructure Networks in Response to Extreme Weather

RAIN proyecto

La visión del proyecto RAIN ha consistido en proporcionar un marco de análisis operativo que identifique a los componentes de infraestructuras críticas impactados por eventos climáticos extremos y minimizar el impacto de estos eventos en la red de infraestructura de la UE. (más…)

PREEMPTIVE: metodología preventiva para proteger los servicios públicos

PREEMPTIVE

 

El objetivo de PREEMPTIVE (Proyecto de capacidad FP7-SEC-2013-1: Sistemas de protección para redes de servicios públicos) es proporcionar una solución innovadora para mejorar los métodos existentes y concebir herramientas para evitar los ciberataques, que se dirigen a redes de servicios públicos. (más…)

TDM: Temporal Dynamic Model.

El proyecto TDM, Temporal Dynamic Model es un proyecto de desarrollo que permitirá disponer de Modelos Predictivos basados en el Ciclo de Vida para el análisis de grandes volúmenes de datos facilitando las acciones de toma de decisiones en torno al paradigma BigData. (más…)

Sistema Inteligente y Autoadaptativo de Extracción de Conocimiento y Opiniones de Internet y Redes Sociales

El objetivo del proyecto es el desarrollo de un sistema para el análisis en Cloud del posicionamiento de marca o producto en base a las opiniones que se dan sobre él en Internet. Se desarrollarán algoritmos inteligentes basados en Social Media Analysis y Sentiment Analysis, desde un enfoque de autoaprendizaje que requiera una mínima intervención humana. (más…)

SNTALENT: desarrollo de una herramienta de talent discovery

Talent Discovery

SNTALENT es una herramienta de Talent Discovery creada dentro del subprograma AEESD (Acción Estratégica de Economía y Sociedad Digital), Plan Investigación Científica y Técnica y de Innovación. (más…)

iTesla: proyecto pan-europeo para la transmisión eléctrica

ENERGOS

Proyecto Energos

Energos es un proyecto de investigación para el  desarrollo de conocimientos y tecnologías que permitan avanzar en la  implantación de redes inteligentes de distribución de energía eléctrica (Smart-Grid). (más…)

BARCELONA CIUTAT INTELLIGENT

BARCELONA CIUTAT INTELLIGENT

 

El proyecto BARCELONA CIUTAT INTELLIGENT esta amparado dentro del Proyecto AGAUR-2010 de la Generalitat de Catalunya (Agència de Gestió d’Ajuts Universitaris I de recerca), las infraestructuras electrónicas en el marco de Inforegió.

El proyecto consiste en el diseño, el desarrollo y la integración de una plataforma de gestión de red de sensores ciudadana y su información. Los objetivos principales son la optimización de la gestión urbana, aunque también está orientado a proporcionar tanta información como sea posible, mediante el uso de interfaces abiertas que permiten el desarrollo de aplicaciones innovadoras por parte de terceros.

Los otros socios del proyecto junto a Grupo AIA son:

SISCLAP

SISCLAP Proyecto Salud

 

El objetivo del proyecto SISCLAP es la obtención de un SCP que permita aplicar modelos de pago capitativos ajustados según el nivel de riesgo de los beneficiarios de un servicio de salud. Se promueve con ello la mejora en la eficiencia del uso y consumo de recursos ya que se reducen las diferencias entre presupuestos y gastos. Como valor añadido se busca la mejora del acceso de los usuarios de mayor riesgo a los servicios más eficientes y necesarios.

El proyecto SISCLAP está básicamente basado en la aplicación de algoritmos y modelos predictivos (mediante inteligencia artificial) para la segmentación de los pacientes operado todo sobre infraestructuras de supercomputación y con el foco en una mejora de la eficiencia del sistema sanitario español. Esta mejora se dará a través de tres niveles relacionados, que ordenados de micro a macro son: Gestión profesional, Dirección estratégica y Organización de los centros sanitarios y Financiación, asignación presupuestaria, de los proveedores sanitarios.

El proyecto SISCLAP ha sido cofinanciado por el Ministerio de Industria, Energía y Turismo, dentro del Plan Nacional de Investigación Científica, Desarrollo e Innovación Tecnológica 2008-2011.

El consorcio de SISCLAP ha estado formado, junto con Grupo AIA por:

  • FlowLab
  • Baladona Serveis Assistencials
  • Fundación Parque Científico de Murcia

 

Nº Referencia : TSI-020100-2011-193