Kauzalitní modelování v oblasti bezpečnosti

Abstract

Tato diplomová práce je zaměřena na identifikaci kauzalitních vztahů v oblasti bezpečnosti s využitím metody Škálovatelné pravděpodobnostní aproximace (SPA). SPA kombinuje metody adaptivního shlukování a Bayesova modelu k matematickému určení, jak jedna proměnná nebo událost ovlivňuje jiné. Cílem této práce je aplikovat tuto metodu na konkrétní bezpečnostní úlohu zaměřenou na data související s trestnou činností a vytvoření matice podmíněných pravděpodobností určujících kauzalitní vztahy mezi vstupními a výstupními daty. Tento přístup umožňuje lepší pochopení rizikových faktorů a jejich vlivů v dané oblasti.

This Master's thesis focuses on identifying causal relationships within the field of security using the Scalable Probabilistic Approximation (SPA) method. SPA combines adaptive clustering and Bayesian modeling techniques to mathematically determine how one variable or event influences another. The goal of this thesis is to apply this method to a specific security task centered on data related to criminal activity, and to create a matrix of conditional probabilities that define causal relationships between input and output data. This approach facilitates a better understanding of risk factors and their impacts in the area.