MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM - APRILE 2018 GAETANO BRUNO RONSIVALLE - Ossif
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
2018 MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM APRILE 2018 GAETANO BRUNO RONSIVALLE
MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
SOMMARIO
1. Analisi dell’evoluzione storica delle rapine e degli attacchi ATM ................................................................................... 2
1.1. Introduzione ............................................................................................................................................................ 2
1.2. Rapine e attacchi ATM nel 2001-2017 ..................................................................................................................... 2
1.3. Rapine “tentate” e attacchi “falliti” nel 2001-2017 ................................................................................................. 5
1.4. Il bottino delle rapine e degli attacchi agli ATM nel 2001-2017 .............................................................................. 6 1
1.5. Considerazioni generali ............................................................................................................................................ 7
2. Principi metodologici generali ........................................................................................................................................ 7
2.1. Aggiornamento del processo di analisi .................................................................................................................... 7
2.2. Reti Neurali Artificiali ............................................................................................................................................... 8
2.3. Rischio Esogeno ..................................................................................................................................................... 10
3. Rischio Rapina ............................................................................................................................................................... 13
3.1. Fasi e componenti fondamentali ........................................................................................................................... 13
3.2. Fase 1: Calcolo del Rischio Rapina Inerente........................................................................................................... 13
3.2.1. Classificazione Agenzie ................................................................................................................................... 14
3.2.2. Definizione dei livelli di intensità delle rapine ................................................................................................ 16
3.2.3. Calcolo del Rischio Inerente ............................................................................................................................ 17
3.3. Fase 2: Calcolo del Rischio Rapina Residuo............................................................................................................ 17
3.3.1. Ponderazione dei presidi di un’agenzia modello ............................................................................................ 17
3.3.2. Calcolo del Rischio Residuo............................................................................................................................. 19
4. Rischio Attacco ATM ..................................................................................................................................................... 20
4.1. Fasi e componenti fondamentali ........................................................................................................................... 20
4.2. Fase 1: Calcolo del Rischio Attacco ATM Inerente ................................................................................................. 21
4.2.1. Classificazione impianti ATM .......................................................................................................................... 21
4.2.2. Definizione dei livelli di intensità degli attacchi .............................................................................................. 23
4.2.3. Calcolo del Rischio Inerente ............................................................................................................................ 24
4.3. Fase 2: Calcolo del Rischio Attacco ATM Residuo .................................................................................................. 24
4.3.1. Ponderazione dei presidi di un Impianto modello .......................................................................................... 24
4.3.2. Calcolo del Rischio Residuo............................................................................................................................. 26
4.4. Tipologie di attacco ai danni di impianti ATM ....................................................................................................... 26
MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
1. ANALISI DELL’EVOLUZIONE STORICA DELLE RAPINE E DEGLI ATTACCHI ATM
1.1. INTRODUZIONE
La descrizione empirica dell’evoluzione storica delle rapine in banca e degli attacchi a impianti ATM evidenzia una serie
di punti di attenzione rilevanti ai fini del modello di analisi del rischio:
• un notevole decremento del numero di rapine in banca a partire dal 2008;
• un progressivo e costante incremento degli attacchi a impianti ATM a partire dal 2012; 2
• un progressivo incremento della percentuale di fallimenti nell’esecuzione di rapine (“rapine tentate”)
nell’intervallo temporale 2001-2017;
• un significativo decremento del volume totale del bottino delle rapine in banca a partire dal 2008;
• un progressivo e costante incremento del volume totale del bottino associato agli attacchi a impianti ATM
nell’intervallo temporale 2001-2017;
• un progressivo e costante incremento del volume medio del bottino di ogni rapina a partire dal 2008.
1.2. RAPINE E ATTACCHI ATM NEL 2001-2017
Dal Grafico 1 (“Analisi comparata totale Rapine/Attacchi ATM nell’intervallo 2001 – 2017”) e dal Grafico 2 (“Analisi
comparata totale Rapine/Attacchi ATM nell’intervallo 2001 – 2017 (eventi/100 sportelli|impianti)”) si evince un
significativo decremento delle rapine nell’intervallo temporale 2008-2017, sia in termini assoluti (Grafico 1), sia in
termini relativi (Grafico 2).
Rapine Totale Attacchi ATM Totale Lineare (Rapine Totale) Lineare (Attacchi ATM Totale)
4.000
3.364
3.500
3.092
2.930 2.977
3.000
2.674 2.633
2.432 2.489
NUMERO EVENTI
2.500
2.108
2.000 1.714
1.382
1.500 1.242 1.246
1.000 791 772 798
534 608
501 525 452 475 516
442 404 385 410 401 431
500 337
661 622 546
373
0
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
ANNI
Grafico 1: Analisi comparata totale Rapine/Attacchi ATM nell’intervallo 2001 – 2017
Il decremento è particolarmente rilevante a partire dal 2014, fino al raggiungimento del valore minimo di 373 eventi
nel 2017 (1,4 rapine su 100 sportelli).
MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
Rapine Totale Attacchi ATM Totale Lineare (Rapine Totale) Lineare (Attacchi ATM Totale)
12,0
10,3
9,5 9,5 9,7
10,0
9,0
8,4 8,7
8,0 7,4 3
NUMERO EVENTI
6,2
6,0
4,9
4,1 3,9
3,8
4,0
2,5 2,5
1,9
2,0 1,4 1,4 1,5 1,5 1,4
1,0 1,2 1,1 1,1 1,2 1,0 1,0 1,2
0,8 0,9 0,9
1,8 1,4
0,0
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
ANNI
Grafico 2: Analisi comparata totale Rapine/Attacchi ATM nell’intervallo 2001 – 2017 (eventi/100 sportelli|impianti)
D’altra parte, i grafici evidenziano un incremento progressivo del numero di attacchi ATM - sia in termini assoluti, sia
in termini relativi – nell’intervallo temporale 2012-2016, con una lieve flessione nel 2017.
I dati relativi ai due fenomeni in esame (rapine e attacchi agli ATM) sono confermati da una sostanziale correlazione
tra il valore totale degli eventi e il numero di eventi consumati|riusciti (vedi Grafici 3, 4, 5 e 6):
Rapine Totale Rapine consumate Lineare (Rapine consumate)
4.000
3.364
3.500
3.092
2.930 2.977 2.972
3.000 2.683 2.735 2.774
2.674 2.633
2.432 2.468 2.427 2.489
NUMERO EVENTI
2.500 2.257
2.160 2.108
2.000 1.744 1.714
1.423 1.382
1.500 1.242 1.246
1.097
940 941
1.000 791 772
587 536 546
360 373
500 242
0
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
ANNI
Grafico 3: Analisi comparata Rapine/Rapine consumate nell’intervallo 2001 – 2017
MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
Rapine Totale Rapine consumate Lineare (Rapine consumate)
12,0
10,3
9,5 9,5 9,7
10,0
9,0 9,1
8,7 8,7 8,8 8,7
8,4 8,3
7,8 8,0
8,0 7,4 4
NUMERO EVENTI
6,4 6,2
6,0 5,1 4,9
4,1 4,1 3,9
3,8
4,0 3,3
2,8 3,0
2,5 2,5
1,9 1,8 1,9
2,0 1,2 1,4
0,9
0,0
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
ANNI
Grafico 4: Analisi comparata Rapine/Rapine consumate nell’intervallo 2001 – 2017 (eventi/100 sportelli)
Attacchi ATM Totale Attacchi ATM Riusciti Lineare (Attacchi ATM Riusciti)
900
798
800
700 661
622 608
600 534
525
NUMERO EVENTI
501 516
475
500 442 452
431
404 410 401 407
385
400 337 333 315 308
300 255 265
236 229 232 217
193 211 197 203 206
184
200 143
100
0
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
ANNI
Grafico 5: Analisi comparata Attacchi ATM/ Attacchi ATM riusciti nell’intervallo 2001 – 2017
MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
Attacchi ATM Totale Attacchi ATM Riusciti Lineare (Attacchi ATM Riusciti)
2,0 1,8
1,8
1,5 1,5
1,6 1,4 1,4
1,4
1,4
1,2 1,2 1,2
NUMERO EVENTI
1,1
1,2 1,1 5
1,0 1,0 1,0
0,9 0,9 0,9
1,0
0,8 0,8 0,8
0,7 0,7
0,8 0,6 0,6
0,5 0,6 0,5
0,6 0,5 0,5 0,5 0,5 0,5
0,4 0,4
0,4
0,2
0,0
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
ANNI
Grafico 6: Analisi comparata Attacchi ATM/ Attacchi ATM riusciti nell’intervallo 2001 – 2017 (eventi/100 impianti)
1.3. RAPINE “TENTATE” E ATTACCHI “FALLITI” NEL 2001-2017
Il Grafico 7 (“Analisi comparata percentuale Rapine tentate/Attacchi ATM falliti nell’intervallo 2001 – 2017”) evidenzia
due fenomeni contrastanti:
• l’incremento della percentuale di rapine “tentate” rispetto al numero complessivo di rapine (con particolare
riferimento all’intervallo 2010-2017);
• un lievissimo decremento della percentuale di attacchi “falliti” rispetto al numero complessivo di attacchi
nell’intervallo temporale 2001-2017.
Rapine fallite Attacchi ATM Falliti Lineare (Rapine fallite) Lineare (Attacchi ATM Falliti)
70,0%
57,6% 56,3% 56,4% 57,1%
60,0% 55,0%
51,2% 52,2% 52,2%
49,1% 47,8%
49,4% 48,6% 49,6% 49,4% 49,0% 49,3%
50,0% 47,1%
NUMERO EVENTI
40,0%
34,1% 35,1%
30,6%
30,0% 24,3% 24,5%
25,8%
20,6%
17,3% 17,0%
20,0%
13,2%
10,3% 11,7%
10,0% 7,2% 7,7% 7,8% 8,4% 8,1%
0,0%
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
ANNI
Grafico 7: Analisi comparata percentuale Rapine tentate/Attacchi ATM falliti nell’intervallo 2001 – 2017
MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
1.4. IL BOTTINO DELLE R APINE E DEGLI ATTACCHI AGLI ATM NEL 2001-2017
Dal Grafico 8 (“Analisi comparata bottino Rapine /Attacchi ATM nell’intervallo 2001 – 2017”) si evince un drastico
decremento del valore complessivo del bottino delle rapine in banca a partire dal 2008, cui si contrappone un
incremento del bottino totale derivante da attacchi agli ATM:
Rapine Attacchi ATM Lineare (Rapine) Lineare (Attacchi ATM)
70.000.000 € 6
60.000.000 €
50.000.000 €
IMPORTO (in euro)
40.000.000 €
30.000.000 €
20.000.000 €
10.000.000 €
0€
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
ANNI
Grafico 8: Analisi comparata bottino Rapine /Attacchi ATM nell’intervallo 2001 – 2017
D’altra parte, il Grafico 9 (“Analisi comparata bottino medio Rapine /Attacchi ATM nell’intervallo 2001 – 2017”) mostra
un incremento del valore medio del bottino associato al fenomeno delle rapine (con un picco significativo nel 2017):
Rapine Attacchi ATM Lineare (Rapine)
60.000 €
50.000 €
40.000 €
IMPORTO (in euro)
30.000 €
20.000 €
10.000 €
0€
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
ANNI
Grafico 9: Analisi comparata bottino medio Rapine /Attacchi ATM nell’intervallo 2001 – 2017
MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
1.5. CONSIDERAZIONI GENERALI
Alla luce delle precedenti evidenze empiriche è possibile definire alcune indicazioni generali per la revisione del modello
di analisi del rischio:
a) le misure messe in atto dalle banche a partire dal 2008 per mitigare il rischio rapina si sono rivelate
particolarmente efficaci in questi anni, poiché hanno prodotto (1) un significativo decremento del numero di
eventi (in termini assoluti e relativi), (2) un miglioramento del rapporto tra rapine “tentate” e numero
complessivo di rapine, (3) un ridimensionamento significativo delle perdite economiche connesse al volume
totale del bottino. I dati quantitativi sull’adeguatezza e l’efficacia dei presidi posti in essere dal sistema bancario 7
confermano questi elementi qualitativi e la generale solidità del metodo di simulazione adottato finora;
b) le recenti evoluzioni del fenomeno connesso agli attacchi ATM richiedono ancora un alto grado di presidio da
parte del sistema bancario, con un focus specifico sul rapporto tra attacchi falliti e numero complessivo di
attacchi. Ciò implica un maggiore livello di approfondimento del modello di analisi in corrispondenza delle
tipologie di attacco e delle variabili associate all’intensità degli effetti prodotti dagli attacchi;
c) l’incremento del bottino medio delle rapine sottende un’evoluzione nel modus operandi da parte dei rapinatori
e implica una focalizzazione del modello di analisi sui livelli di intensità e di crescente complessità del
fenomeno;
d) i contenuti dei punti b) e c) inducono a ipotizzare un crescente livello di “specializzazione” da parte delle
persone che “operano” nel segmento criminale in oggetto. Da ciò si inferisce la necessità di circoscrivere i
diversi ambiti di osservazione, con una particolare attenzione alle dinamiche che contribuiscono a determinare
la componente di Rischio Esogeno e le diverse tipologie di attacco (nel caso specifico degli ATM).
2. PRINCIPI METODOLOGICI GENERALI
Nel recepire le indicazioni derivanti dall’indagine sull’evoluzione storica dei fenomeni criminali, la nuova versione del
Modello OSSIF di analisi del rischio Rapina e del rischio Attacco ATM si basa su tre principi generali:
1. aggiornamento del processo di analisi in funzione delle nuove metodologie di Risk Management;
2. aggiornamento e integrazione di diverse tipologie di Reti Neurali Artificiali per il calcolo dei vari indici di Rischio;
3. semplificazione della procedura di definizione dei vari indici di Rischio Esogeno.
2.1. AGGIORNAMENTO DEL PR OCESSO DI ANALISI
Il nuovo processo di analisi del rischio si articola in due fasi fondamentali:
a) definizione di un indice di Rischio Inerente, inteso come composizione non lineare della probabilità di
accadimento di un evento (rapina o attacco ATM) e il livello di intensità associato all’evento stesso. Il Rischio
Inerente esprime il grado di esposizione di un’agenzia o di un impianto ATM all’attività predatoria in funzione
del territorio (Rischio Esogeno) e di una serie di caratteristiche distintive dell’Agenzia o dell’Impianto ATM in
esame (ex Rischio Endogeno). Il grado di esposizione concerne sia la probabilità che si verifichi l’evento, sia la
gravità associata agli effetti prodotti dall’evento (entità del bottino, danni a persone e a strutture, perdite
economiche). Tale indice può variare da 0 a 100 e si configura come puramente teorico, poiché non include le
diverse componenti di mitigazione del Rischio (presidi);
b) calcolo di un indice di Rischio Residuo, inteso come il grado di esposizione effettiva di un’agenzia o di un
impianto ATM all’attività predatoria in funzione del Rischio Inerente e dell’azione di mitigazione posta in essere
grazie all’applicazione dei vari presidi (formazione, impianti e servizi). Tale indice deriva da una ponderazione
non lineare del livello di adeguatezza di ogni singolo fattore di mitigazione e degli effetti di composizione del
mix di presidi associato all’Agenzia o all’Impianto ATM. Come nel caso del Rischio Inerente, il valore dell’indice
di Rischio Residuo varia da 0 a 100 e si riferisce sia alla probabilità di accadimento di rapina o attacco, sia alla
gravità dell’evento.
MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
2.2. RETI NEURALI ARTIFICIALI
In ragione della complessità (non linearità) dei fenomeni criminali connessi all’analisi del Rischio Rapina e di attacco
ATM, si è ritenuto opportuno aggiornare e migliorare il processo di calcolo basato su strumenti di Machine Learning, le
Reti Neurali Artificiali.
Una Rete Neurale Artificiale è un “Sistema software o hardware di elaborazione delle informazioni basato sul
funzionamento dei sistemi nervosi biologici, che si compone di unità di calcolo, detti “nodi” o “neuroni artificiali”, ed è in
8
grado di ottimizzare le proprie caratteristiche interne al fine di generare classificazioni o previsioni coerenti con i dati di
input. Il modello più elementare di r.n. artificiale – esemplificato dal percettrone di Rosenblatt (1958) - è costituito da
uno strato di neuroni di ingresso, la cui funzione consiste nel processare le informazioni provenienti dal mondo esterno
e “attivare” i neuroni di uscita. La trasmissione dei segnali tra i nodi avviene attraverso una serie di connessioni cui sono
applicati dei “pesi sinaptici” che, in maniera similare alle sinapsi biologiche, fungono da filtri eccitatori o inibitori del
segnale stesso e condizionano lo stato di attivazione dei vari neuroni di output. Il valore di attivazione y – detto anche
“valore di uscita” – di un nodo dipende dai segnali di ingresso e dai “pesi sinaptici” e dalle diverse modalità con cui essi
vengono elaborati. A seconda delle funzioni adottate per determinare y, è possibile distinguere almeno tre tipi di neuroni
artificiali: (a) unità “lineari”, dove y è uguale alla semplice somma “pesata” degli ingressi x, (b) unità di McCulloch-Pitts
(1943) o “a soglia”, dove y assume valore 0 o 1 in funzione della somma “pesata” degli ingressi x e di una soglia s; (c)
unità non lineari “sigmoidali”, con y = 1/(1 + e^-x), dove e rappresenta la costante di Nepero. L’adozione di una specifica
funzione di attivazione è subordinata alla natura e al grado di complessità del problema da risolvere ed è connessa a
due fattori rilevanti: (a)l’architettura logica, e (b) il metodo di apprendimento della r.n. Per ciò che concerne il primo
fattore, è opportuno distinguere tra reti neurali “monostrato” e reti “multistrato” o MLP (“Multi-Layer Perceptrons”),
che presentano uno o più livelli intermedi di neuroni. Inoltre, il tipo di architettura neurale varia in funzione della direzione
di trasmissione del segnale, come nel caso delle “reti feedforward” – caratterizzate da connessioni che procedono dallo
strato di input allo strato di output – o delle “reti ricorrenti” – dove i segnali vengono trasmessi sia secondo la logica
feedforward e sia in senso inverso. Riguardo al metodo di apprendimento, vale la pena di evidenziarne l’estrema
rilevanza, poiché esso consiste nel processo attraverso cui una r.n. modifica progressivamente i vari pesi sinaptici fino al
raggiungimento dello stato ottimale di “convergenza” tra ouput attesi e output effettivi. In ragione della sua capacità di
“apprendere”, la r.n. può essere infatti considerata come un potente strumento di modellizzazione euristica delle porzioni
di realtà cui è applicata. Le sue proprietà emergenti, derivanti dalla struttura reticolare e dalla logica del calcolo
distribuito, consentono di simulare i meccanismi sottostanti a un’ampia gamma di fenomeni complessi, senza però la
necessità di esplicitarne i nessi nomici e le effettive regole di funzionamento. Ciò ha favorito l’applicazione massiva delle
reti neurali in svariati settori, quali la medicina, la biologia, la difesa, l’elettronica, la robotica, la meteorologia, la
gestione dei processi industriali, la finanza, l’educazione, la sicurezza, la linguistica e l’arte. L’apprendimento di una r.n.
costituisce pertanto il presupposto strategico per la costruzione di un sistema di generalizzazione efficace e si basa
essenzialmente su alcuni elementi fondamentali: (a) il set di dati con cui “addestrare” la r.n.; (b) il criterio di progressiva
ottimizzazione della r.n. durante le varie fasi di addestramento; (c) il parametro che esprime la velocità con cui la r.n.
deve apprendere dai dati (“learning rate”); (d) la funzione di trasformazione dei pesi sinaptici, i cui valori, all’inizio
dell’addestramento, sono solitamente attribuiti in maniera casuale. Questi fattori giocano un ruolo fondamentale in
ognuno dei tre principali tipi di apprendimento neuronale: (1) l’apprendimento “supervisionato”, (2) “non
supervisionato” ed (3) “evoluzionistico”. Nell’apprendimento supervisionato l’addestramento avviene attraverso la
presentazione di pattern di input e corrispondenti output desiderati. […]”1 (Figura 1)
1
G. Bruno Ronsivalle, “Rete Neurale”, in "Scienza e Tecnica". Grande Enciclopedia Treccani. Volumi 7,8: "'Informatica,
ICT (Information and Communication Technology) e Media Digitali", 2012.
MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
9
Figura 1: Rappresentazione schematica di una Rete Neurale Artificiale ad apprendimento supervisionato
“[…]. L’apprendimento “non supervisionato”, invece, non prevede il confronto con output attesi, essendo determinato
esclusivamente dai pattern di input e dalla loro suddivisione in cluster distinti secondo una logica di tipo “competitivo”.
In tal senso, esso trova applicazione nell’addestramento delle mappe di Kohonen (1990, 1995) o SOM (Self-Organizing
Map) per la classificazione di dati secondo un’interpretazione neuronale della Cluster Analysis. […].”2 (Figura 2)
Figura 2: Rappresentazione schematica di una Rete Neurale Artificiale ad apprendimento non supervisionato
La Mappa di Kohonen è una “rete neurale sviluppata da T. Kohonen (1990) che simula alcune funzioni cerebrali nei
processi di elaborazione delle informazioni visive al fine di classificare grandi quantità di dati attraverso una
trasformazione adattiva dei segnali di input multidimensionali in mappe topologiche a due o tre dimensioni. L’obiettivo
di una Mappa di Kohonen consiste infatti nell’individuare le caratteristiche strutturali e le proprietà sottostanti ai dati in
entrata, senza però alcun ricorso all’analisi di output attesi, come nel caso dell’apprendimento supervisionato. Ciò
implica l’adozione di un’architettura neurale di tipo feedforward senza strati intermedi, in cui si prevede la piena
connessione dei neuroni in uscita con tutte le unità di input e la presenza di connessioni laterali inibitorie.
L’addestramento avviene mediante un algoritmo di tipo competitivo, per cui i neuroni di output si contendono il “diritto”
a essere attivati e risultano “vincenti” in funzione della distanza minima da ogni pattern di input. Il risultato finale
consiste in una riorganizzazione dei pesi sinaptici per una segmentazione ottimale della struttura di dati in un numero
discreto di cluster o “bolle” di attivazione. Grazie a queste caratteristiche, i vari tipi di mappe si applicano nella
2
G. Bruno Ronsivalle, “Rete Neurale”, in "Scienza e Tecnica". Grande Enciclopedia Treccani. Volumi 7,8: "'Informatica,
ICT (Information and Communication Technology) e Media Digitali", 2012.MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
compressione dei dati, nell’ottimizzazione di architetture neurali, nel riconoscimento vocale e di immagini e nel controllo
di processi industriali.3”
2.3. RISCHIO ESOGENO
L’indice di Rischio Esogeno consente di georeferenziare in modo rigoroso i diversi fenomeni criminali, attraverso la
frammentazione del territorio nazionale in unità spaziali minime e l’assegnazione di specifici valori volti a indicare il
grado di esposizione al rischio di rapina e/o di attacco ATM per ogni singola unità. In altri termini, il Rischio Esogeno
10
esprime la probabilità che un’Agenzia sia sottoposta a una rapina e/o che un ATM sia oggetto di un attacco in funzione
della posizione geografica e a prescindere dalle caratteristiche specifiche dell’Agenzia/ATM. La posizione geografica è
stabilita mediante l’individuazione di “geo-unità” corrispondenti ai singoli comuni o, nel caso di comuni multi-cap, dei
codici di avviamento postale. Ciò consente all’analisi di raggiungere un discreto livello di dettaglio anche nel caso delle
grandi città e di rappresentare in modo articolato le diverse condizioni di contesto ambientale.
2.3.1. SEMPLIFICAZIONE DEL METODO DI CALCOLO DEL RISCHIO ESOGENO
In ragione delle analisi e delle sperimentazioni degli ultimi anni, si è ritenuto opportuno non continuare a integrare
variabili eterogenee ed enfatizzare il carattere specifico di questo indicatore mediante una focalizzazione sui fenomeni
delle rapine e dei furti. Infatti, a differenza delle precedenti analisi, non si parla più di un unico Rischio Esogeno ma di
ben tre diverse declinazioni per ogni geo-unità:
1) Rischio Esogeno Globale (Figura 3), il quale varia da 0 a 100 e si basa sulla composizione non lineare di due
componenti fondamentali:
• valore di trend ricavato mediante elaborazione neurale della serie storica delle rapine (di qualsiasi
tipo) per geo-unità (stima annuale), intervallo 2007-2017, fonte: Ministero Interno;
• valore di trend ricavato mediante elaborazione neurale della serie storica dei furti (di qualsiasi tipo)
per geo-unità (stima annuale), intervallo 2007-2017, fonte: Ministero Interno;
3
G. Bruno Ronsivalle, “SOM”, in "Scienza e Tecnica". Grande Enciclopedia Treccani. Volumi 7,8: "'Informatica, ICT
(Information and Communication Technology) e Media Digitali", 2012.MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
11
Figura 3: Rischio Esogeno Globale 2017
2) Rischio Esogeno Rapine in banca (Figura 4), varia da 0 a 100 e coincide con un valore di trend ricavato mediante
elaborazione neurale della serie storica delle rapine ai danni di dipendenze bancarie (unità di tempo = mese),
intervallo 2000-2017, fonte: DB OSSIF;MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
12
Figura 4: Rischio Esogeno Rapine in banca 2017
3) Rischio Esogeno attacchi agli ATM (Figura 5), varia da 0 a 100 e coincide con un valore di trend ricavato
mediante elaborazione neurale della serie storica degli attacchi a impianti ATM (unità di tempo = mese),
intervallo 2000-2017, fonte: DB OSSIF.
Figura 5: Rischio Esogeno Attacchi agli ATM 2017
2.3.2. TREND DEI VALORI DI RISCHIO Esogeno 2017MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
Dal Grafico 10, che rappresenta le varie distribuzioni dei valori di Rischio Esogeno 2017, è possibile inferire due indicazioni
interessanti:
• i tre indici di Rischio Esogeno risultano essere piuttosto simili, con alcune piccole variazioni in corrispondenza
del dominio di valori compreso tra 50 e 75, dove si annidano le potenziali oscillazioni delle geo-unità a rischio
medio-alto;
• la maggior parte delle geo-unità si concentra nell’intervallo compreso tra 10 e 40, connesso alla fascia di rischio
medio-basso.
13
ESOGENO ATM 2017 ESOGENO RAPINE 2017 ESOGENO 2017
25,00%
20,00%
PERCENTUALE GEO-Unità
15,00%
10,00%
5,00%
0,00%
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
VALORE RISCHIO
Grafico 10: Analisi comparata Rischio Esogeno|Rischio Esogeno Rapine in banca|Rischio Esogeno attacchi ATM 2017
3. RISCHIO RAPINA
3.1. FASI E COMPONEN TI FONDAMENTALI
L’analisi del Rischio Rapina si articola in due fasi fondamentali:
a) calcolo di un indice di Rischio Rapina Inerente per Agenzia, inteso come composizione non lineare della
probabilità di accadimento dell’evento rapina e il livello di intensità della rapina stessa. Il Rischio Rapina
Inerente esprime il grado di esposizione di un’agenzia all’attività predatoria in funzione del territorio (Rischio
Esogeno Globale e Rischio Esogeno Rapine in banca), di una serie di caratteristiche distintive dell’Agenzia e
del trend del fenomeno rapine connesso all’Agenzia. Il grado di esposizione è relativo alla probabilità che si
verifichi la rapina, nonché alla gravità associata agli effetti prodotti dalla rapina;
b) calcolo di un indice di Rischio Rapina Residuo per Agenzia, definito come probabilità di esposizione effettiva di
un’agenzia all’attività predatoria in funzione del Rischio Rapina Inerente e dell’azione di mitigazione posta in
essere mediante i presidi. L’indice di Rischio Rapina Residuo è il risultato della ponderazione non lineare del
livello di adeguatezza dei presidi associato all’Agenzia, può variare da 0 a 100 e concerne sia la probabilità che
si verifichi la rapina, sia l’intensità degli effetti dell’evento.
3.2. FASE 1: CALCOLO DEL RISCHIO RAPINA INERE NTEMODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
3.2.1. CLASSIFICAZIONE AGENZIE
Il primo step del metodo di calcolo del Rischio Rapina concerne la classificazione di tutte le Agenzie esistenti in funzione
delle caratteristiche censite nel DB Ossif (Tabella 1)
CODICE DESCRIZIONE
C_TIPO_AGENZIA_1 Agenzia
C_TIPO_AGENZIA_2 Agenzia Hub 14
C_TIPO_AGENZIA_3 Agenzia Spoke
C_TIPO_CASSA_1 Con operatività di cassa
C_TIPO_CASSA_2 Senza operatività di cassa
C_TIPO_CASSA_3 Senza operatività di cassa con ATM in outsourcing
C_TIPO_CASSA_4 Senza operatività di cassa con ATM in proprio
C_ATTIV_1 Aperto al pubblico
C_ATTIV_2 Uffici interni non aperti al pubblico
C_ATTIV_3 Sportello presso terzi
C_ATTIV_4 Sportello automatico
C_ATTIV_5 Centro contabile
C_ATTIV_6 Archivi
C_ATTIV_7 Sportello presso terzi temporaneo
C_ATTIV_8 Sportello stagionale
C_NUMDIP_1 Nessuno
C_NUMDIP_2 1 dipendente
C_NUMDIP_3 da 2 a 5
C_NUMDIP_4 da 6 a 10
C_NUMDIP_5 da 11 a 19
C_NUMDIP_6 da 20 a 40
C_NUMDIP_7 oltre 40
C_FASPUB_1 standard
C_FASPUB_5 sportello ad apertura ridotta (orario)
C_FASPUB_6 sportello ad apertura ridotta (giorni)
C_FASPUB_7 sportello ad apertura ridotta (orario e giorni)
C_FASPUB_9 24 ore su 24
C_FASPUB_10 sportello ad apertura prolungata (orario)
C_FASPUB_11 sportello ad apertura prolungata (giorni)
C_FASPUB_12 sportello ad apertura prolungata (orario e giorni)
C_RISCON_0 Senza rischio - senza contanti
C_RISCON_1 Fino a 100 mila euro
C_RISCON_2 da 100 a 150 mila euro
C_RISCON_3 da 150 a 300 mila euro
C_RISCON_4 oltre 300 mila euroMODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
C_COLLOC_1 Centrale
C_COLLOC_2 Periferica
C_COLLOC_3 Isolata
C_COLLOC_4 Mobile
C_CONFIN_1 Senza confinanti
C_CONFIN_2 Con pareti e/o solai in comune
15
Tabella 1: Caratteristiche di un’Agenzia
La classificazione si basa su un processo di Cluster Analysis attraverso l’addestramento di una Mappa neurale di Kohonen
a partire dalle caratteristiche di un campione probabilistico di agenzie (Figura 3):
Figura 3: Schema Input|Output della Mappa di Kohonen per la classificazione delle agenzie
L’output dell’addestramento è rappresentato da una mappa topologica che rappresenta la distribuzione delle diverse
tipologie di agenzia (Figure 4 e 5), raggruppate secondo criteri non lineari sotto l’etichetta di “agenzie modello” (o
“idealtipiche”):
Figura 4: Mappa di Kohonen delle Agenzie
Figura 5: Individuazione dei diversi Cluster (“agenzie modello”)MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
La classificazione consente di ridurre la complessità derivante dal grande numero di agenzie al fine di ricondurre
l’estrema variabilità delle caratteristiche a un centinaio di “agenzie modello”, con un guadagno rilevante in termini di
velocità di calcolo ed eleganza del modello.
3.2.2. DEFINIZIONE DEI LIVELLI DI INTENSITÀ DEL LE RAPINE
Per definire la componente relativa all’intensità degli effetti prodotti da una rapina in banca (componente
indispensabile per il calcolo del Rischio Inerente) si procede attraverso l’elaborazione dei dati storici associati a ogni
16
evento (dal 2000 al 2017), prendendo in considerazione l’entità del bottino, eventuali altre perdite economiche e il set
di valori assegnati alle variabili che descrivono le modalità di svolgimento della rapina, le vie di accesso, le armi utilizzate,
i danni a persone e/o a strutture, ecc. (Tabella 2):
VARIABILE DESCRIZIONE
COMITATO_ACCOGLIENZA_1 si
COMITATO_ACCOGLIENZA_2 no
VIE_ACCESSO_14 ingresso principale
VIE_ACCESSO_15 ingresso secondario (su pubblica via o condominio)
VIE_ACCESSO_17 finestra / vetrina
VIE_ACCESSO_18 foro nella parete perimetrale
VIE_ACCESSO_19 foro nel solaio o pavimento
VIE_ACCESSO_20 tetto
VIE_ACCESSO_25 non vi e' stato accesso in banca
MASCHER_RAPIN_70 si
MASCHER_RAPIN_71 no
MASCHER_RAPIN_72 alcuni si/altri no
MENTITE_SPOGLIE_1 si
MENTITE_SPOGLIE_2 no
ARMI_73 pistole
ARMI_74 fucili/mitra
ARMI_76 lame in genere
ARMI_82 armi presumibilmente finte
ARMI_83 armi minacciate
ARMI_408 minacce verbali
ARMI_77 mazze
ARMI_78 siringhe
ARMI_424 altro (specificare...)
OSTAGGI_417 si
OSTAGGI_418 no
TIPO_BOTTINO_94 solo valori o danaro immediatamente disponibile
TIPO_BOTTINO_95 anche attendendo la scadenza del temporizzatore
TIPO_BOTTINO_96 anche in altri mezzi di custodia (cassaforte)
TIPO_BOTTINO_545 anche in altri mezzi di custodia (cashin-out/roller-cash)
TIPO_BOTTINO_98 anche in altri mezzi di custodia (cassa continua)MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
TIPO_BOTTINO_99 anche in altri mezzi di custodia (caveau)
TIPO_BOTTINO_544 anche in altri mezzi di custodia (cassette di sicurezza)
TIPO_BOTTINO_97 anche in altri mezzi di custodia (ATM)
TIPO_BOTTINO_103 anche a dipendenti
TIPO_BOTTINO_104 anche a terzi
MORTI_428 si
17
MORTI_436 no
FERITI_429 si
FERITI_437 no
MALORI_430 si
MALORI_438 no
CLASS_EVENTO_499 critico
CLASS_EVENTO_500 grave/traumatico
Tabella 2: Variabili per il calcolo dell’indice di Intensità dell’evento Rapina
L’indice di intensità di una rapina varia da 0 a 100 ed esprime la probabile esposizione di un’agenzia a una serie di effetti.
In tal senso, tale indice è direttamente associato a ogni tipologia di agenzia (secondo la classificazione ricavata attraverso
la mappa di Kohonen).
3.2.3. CALCOLO DEL RISCHIO INERENTE
Una volta definite le classi di agenzia e i potenziali valori di intensità, è possibile calcolare il Rischio Rapina Inerente RRI
di un’Agenzia i mediante la composizione non lineare delle seguenti variabili:
• Trend Rapine = TR
• Agenzia Modello = AM
• Intensità Rapina = IR
• Rischio Esogeno Globale = REG; Rischio Esogeno Rapine in banca = RER;
• Geounità (Comune o CAP) = Geo.
RRIi= f[TR(AMi), IR((AMi)), REG(Geok), RER(Geok)]
3.3. FASE 2: CALCOLO DEL RISCHIO RAPINA RESIDUO
3.3.1. PONDERAZIONE DEI PRESIDI DI UN’AGENZIA MODELLO
Figura 6: Schema Input|Output della RNA per la ponderazione dei presidiMODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
La valutazione dell’adeguatezza dei presidi si basa sull’addestramento di una Rete Neurale ad apprendimento
supervisionato (Figura 6) mediante la serie storica delle rapine (dal 2000 al 2017):
• i valori di input corrispondono ai presidi associati a ogni agenzia modello nel dato momento storico (Tabella
3);
VARIABILE DESCRIZIONE 18
FORMAZ_0 NESSUNA FORMAZIONE
FORMAZ_5 E-LEARNING - NORMATIVA SICUREZZA
FORMAZ_6 E-LEARNING - PROCEDURE ORGANIZZATIVE
FORMAZ_7 IN AULA - NORMATIVA SICUREZZA
FORMAZ_8 IN AULA - PROCEDURE ORGANIZZATIVE
FORMAZ_9 PROCEDURE COMPORTAMENTALI CODIFICATE X OPERARE IN SICUREZZA
SERV_1 CARICAMENTO DISPENSATORI DI BANCONOTE
SERV_2 COLLEGAMENTI BIDIREZIONALI
SERV_3 CONTROLLO AMBIENTI REMOTI TRAMITE VIDEOSORVEGLIANZA
SERV_4 DEPOSITO FIDUCIARIO CHIAVI
SERV_5 GUARDIANIA DINAMICA
SERV_6 GUARDIANIA FISSA
SERV_7 ISPEZIONI
SERV_8 PRONTO INTERVENTO DIURNO
SERV_9 PRONTO INTERVENTO NOTTURNO E FESTIVO
SERV_10 RICEZIONE E/O ASCOLTO SEGNALAZIONI ALLARMI
SERV_11 TRASPORTO VALORI
SERV_12 TRATTAMENTO VALORI (CONTAZIONE)
SERV_13 VIGILANZA NOTTURNA E FESTIVA A MEZZO RONDA
SERV_14 GESTIONE APERTURA MEZZI FORTI DA REMOTO
SERV_15 GUARDIA VIRTUALE
IMP_1 SISTEMA DI INGRESSO PRINCIPALE
IMP_1_A01 BOX PER L'OPERATORE
IMP_1_A02 BUSSOLA MONOPERSONA
IMP_1_A03 DISPOSITIVI BIOMETRICI
IMP_1_A04 METAL DETECTOR
IMP_1_A05 BUSSOLA PLURIPERSONA
IMP_1_A06 PORTA SEMPLICE (APERTURA MANUALE)
IMP_1_A07 DISPOSITIVI ANTICAMUFFAMENTO
IMP_3 SISTEMI DI PROTEZIONE PERIMETRALE
IMP_3_C01 BARRIERE ESTERNE
IMP_3_C02 INFERRIATE/SERRANDE
IMP_3_C03 PROTEZIONE ATTIVA INFISSI PERIMETRALI
IMP_3_C04 PROTEZIONE ATTIVA MURI PERIMETRALIMODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
IMP_3_C05 VETRATE ANTIPROIETTILE/ANTISFONDAMENTO
IMP_4 SISTEMI DI RIPRESA
IMP_4_D01 VIDEOREGISTRAZIONE
IMP_4_D02 VIDEOSORVEGLIANZA
IMP_4_D03 VIDEOSORVEGLIANZA AVANZATA
IMP_5 SISTEMI PER CASSIERI
19
IMP_5_E01 BANCONE BLINDATO
IMP_5_E02 EROGATORE AUTOMATICO DI BANCONOTE (CASH IN/CASH OUT)
IMP_5_E03 SISTEMA MACCHIATURA BANCONOTE
IMP_5_E04 SCOMPARTI MULTIPLI TEMPORIZZATI (SISTEMI DI FRAZIONAMENTO DEL CONTANTE)
IMP_5_E05 SCOMPARTI SEMPLICI TEMPORIZZATI
IMP_5_E06 SISTEMA TRACCIABILITA' BANCONOTE
IMP_6 SISTEMI DI ALLARME
IMP_6_F01 AUTOMATICO
IMP_6_F02 COLLEGAMENTO A CENTRALE D`ALLARME AZIENDALE
IMP_6_F03 COLLEGAMENTO A CENTRALE D`ALLARME ISTITUTO DI VIGILANZA
IMP_6_F04 COLLEGAMENTO A DISPOSITIVI D`ALLARME LOCALI (OTTICI/ACUST.)
IMP_6_F05 COLLEGAMENTO ALLE FORZE DELL`ORDINE
IMP_6_F06 MANUALE
IMP_8 CASSEFORTI
IMP_8_G01 DOPPIA CHIAVE
IMP_8_G02 TIME BINATION
IMP_8_G03 TIME LOCK
Tabella 3: Presidi di un’Agenzia per la mitigazione del Rischio Rapina
• i valori di output per addestrare la RNA corrispondono all’esito e all’intensità della rapina.
Alla fine di questo primo step di addestramento la RNA è in grado di associare una gamma di pesi a ciascuna delle
agenzie modello.
3.3.2. CALCOLO DEL RISCHIO RESIDUO
Per calcolare il Rischio Rapina Residuo di un’Agenzia è sufficiente addestrare un’altra RNA (Figura 7) in grado di
processare tutte le informazioni elaborate in precedenza e simulare il meccanismo di mitigazione del rischio:
• i valori di input includono il set di Presidi di ogni Agenzia modello e l’indice di Rischio Rapina Inerente
dell’Agenzia;
• i valori di output corrispondono agli effettivi trend delle rapine (residuo effettivo) e a quelli calcolati in base
alla ponderazione dei presidi.MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
20
Figura 7: Schema Input|Output della RNA per il calcolo del Rischio Residuo
Il Grafico 11 rappresenta la distribuzione delle agenzie del sistema bancario italiano in funzione dei due indici di Rischio
Rapina. In particolare, lo scostamento significativo tra le curve evidenzia il grado di efficacia dei presidi attualmente
posti in essere ai fini della mitigazione del Rischio Rapina Inerente. Ciò a conferma delle evidenze empiriche
precedentemente discusse nella prima parte del documento.
Rischio inerente Rischio residuo
24%
22%
20%
18%
PERCENTUALE AGENZIE
16%
14%
12%
10%
8%
6%
4%
2%
0%
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
VALORE RISCHIO
Grafico 11: Analisi comparata Rischio inerente rapine|Rischio residuo rapine 2017
4. RISCHIO ATTACCO ATM
4.1. FASI E COMPONENTI FONDAMENTALI
L’analisi del Rischio Attacco ATM si articola in due fasi fondamentali:
a) calcolo di un indice di Rischio Attacco ATM Inerente per Impianto ATM, inteso come composizione non lineare
della probabilità di accadimento dell’evento attacco e il livello di intensità dell’attacco stesso. Il Rischio Attacco
ATM Inerente esprime il grado di esposizione di un impianto all’attività predatoria in funzione del territorio
(Rischio Esogeno Globale e Rischio Esogeno Attacchi ATM), di una serie di caratteristiche distintiveMODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
dell’impianto ATM e del trend del fenomeno attacchi connesso all’impianto. Il grado di esposizione è relativo
alla probabilità che si verifichi l’attacco, nonché alla gravità associata agli effetti prodotti dall’attacco stesso;
b) calcolo di un indice di Rischio Attacco ATM Residuo per impianto, definito come probabilità di esposizione
effettiva di un impianto all’attività predatoria in funzione del Rischio Attacco ATM Inerente e dell’azione di
mitigazione posta in essere mediante i presidi. L’indice di Rischio Attacco ATM Residuo è il risultato della
ponderazione non lineare del livello di adeguatezza dei presidi associato all’impianto, può variare da 0 a 100 e
concerne sia la probabilità che si verifichi l’attacco, sia l’intensità degli effetti dell’evento.
21
4.2. FASE 1: CALCOLO DEL RISCHIO ATTA CCO ATM INERENTE
4.2.1. CLASSIFICAZIONE IMPIANTI ATM
Il primo step del metodo di calcolo del Rischio Attacco ATM concerne la classificazione di tutti gli impianti ATM esistenti
in funzione delle caratteristiche censite nel DB Ossif (Tabella 4)
K_PK_MARCA DESCRIZIONE
1 WINCOR NIXDORF
2 DIEBOLD
3 NCR
4 SIGMA
5 KEBA
6 SITTRADE
C_COLLOC_IMPIANTO DESCRIZIONE
1 Fronte strada/in luogo aperto
2 In area self
3 Interno alla filiale
4 In luogo chiuso (centro commerciale, ecc.)
C_TIPO_IMPIANTO DESCRIZIONE
1 Solo prelievo
2 Prelievo e versamento
Tabella 4: Caratteristiche di un impianto ATM
La classificazione si basa su un processo di Cluster Analysis attraverso l’addestramento di una Mappa neurale di Kohonen
a partire dalle caratteristiche di un campione probabilistico di impianti (Figura 8):
Figura 8: Schema Input|Output della Mappa di Kohonen per la classificazione degli impianti
L’output dell’addestramento è rappresentato da una mappa topologica che rappresenta la distribuzione delle diverse
tipologie di impianti ATM (Figure 9 e 10), raggruppati secondo criteri non lineari sotto l’etichetta di “impianti modello”
(o “idealtipici”):MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
22
Figura 9: Mappa di Kohonen degli impianti ATM
Figura 10: Individuazione dei diversi Cluster (“impianti ATM modello”)
La classificazione consente di ridurre la complessità derivante dal grande numero di impianti ATM al fine di ricondurre
l’estrema variabilità delle caratteristiche a poche decine di “impianti modello”, con un guadagno rilevante in termini di
velocità di calcolo ed eleganza del modello.
La mappa di Kohonen consente inoltre di approfondire il livello di indagine in relazione alle diverse caratteristiche,
evidenziando le variazioni di intensità e di rilevanza di ogni singola variabile nel determinare la classe di appartenze di
un impianto ATM (Figura 11):MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
23
Figura 11: Mappe di dettaglio sulle singole caratteristiche di un impianto ATM
4.2.2. DEFINIZIONE DEI LIVELLI DI INTENSITÀ DEGLI ATTACCHI
Per definire la componente relativa all’intensità degli effetti prodotti da un attacco a un impianto ATM (componente
indispensabile per il calcolo del Rischio Inerente) si procede attraverso l’elaborazione dei dati storici associati a ogni
evento (dal 2000 al 2017), prendendo in considerazione l’entità del bottino, eventuali altre perdite economiche e il set
di valori assegnati alle variabili che descrivono le modalità di svolgimento dell’attacco, le vie di accesso, le attrezzature
utilizzate, i danni a persone e/o a strutture, ecc. (Tabella 5):
VARIABILE DESCRIZIONE
VIE_ACCESSO_177 ingresso principale
VIE_ACCESSO_178 ingresso secondario (su pubblica via o condominio)
VIE_ACCESSO_179 vetrina
VIE_ACCESSO_180 finestra
VIE_ACCESSO_181 foro nella parete perimetrale
VIE_ACCESSO_182 foro nel solaio o pavimento
VIE_ACCESSO_445 l'ingresso è stato solo tentato
VIE_ACCESSO_389 Non vi e' stato accesso in banca
ATTREZZATURA_UTILIZZATA_202 lancia (mini lancia) termica
ATTREZZATURA_UTILIZZATA_205 trapano/frullino/martello pneumatico
ATTREZZATURA_UTILIZZATA_207 mazza
ATTREZZATURA_UTILIZZATA_208 grimaldelli/cuneo
ATTREZZATURA_UTILIZZATA_209 piede di porco
ATTREZZATURA_UTILIZZATA_212 fiamma ossidrica
ATTREZZATURA_UTILIZZATA_217 agenti chimici/esplosivi
ATTREZZATURA_UTILIZZATA_218 ruspa
ATTREZZATURA_UTILIZZATA_219 altri automezzi
TIPO_ESPLOSIVO_524 Gas esplosivoMODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
TIPO_ESPLOSIVO_525 Esplosivo solido
DANNI_STRUTTURE_393 Non vi sono stati danni
DANNI_STRUTTURE_287 alle vetrine
DANNI_STRUTTURE_288 alle porte
DANNI_STRUTTURE_289 alle strutture in genere
DANNI_STRUTTURE_290 ai mezzi forti
24
DANNI_STRUTTURE_291 agli impianti di allarme
DANNI_STRUTTURE_460 ai sistemi di ripresa
DANNI_STRUTTURE_292 agli altri dispositivi di sicurezza
DANNI_STRUTTURE_293 manomissione linee telefoniche
DANNI_STRUTTURE_294 altro
MORTI_SI_458 si
MORTI_NO_459 no
FERITI_SI_450 si
FERITI_NO_451 no
OSTAGGI_SI_372 si
OSTAGGI_NO_373 no
Tabella 5: Variabili per il calcolo dell’indice di Intensità dell’evento Attacco ATM
L’indice di intensità di un attacco varia da 0 a 100 ed esprime la probabile esposizione di un impianto a una serie di
effetti. In tal senso, tale indice è direttamente associato a ogni tipologia di impianto (secondo la classificazione ricavata
attraverso la mappa di Kohonen).
4.2.3. CALCOLO DEL RISCHIO INERENTE
Una volta definite le classi di impianti e i potenziali valori di intensità, è possibile calcolare il Rischio Attacco ATM
Inerente (RAI) di un impianto i mediante la composizione non lineare delle seguenti variabili:
• Trend Attacchi ATM = TA
• Impianto Modello = IM
• Intensità Attacco = IA
• Rischio Esogeno Globale = REG; Rischio Esogeno Attacchi ATM = REA
• Geounità (Comune o CAP) = Geo.
RAIi= f[TA(IMi), IA((IMi)), REG(Geok), REA(Geok)]
4.3. FASE 2: CALCOLO DEL RISCHIO ATTACCO ATM RESIDUO
4.3.1. PONDERAZIONE DEI PRESIDI DI UN IMPIANTO MODELLO
La valutazione dell’adeguatezza dei presidi si basa sull’addestramento di una Rete Neurale ad apprendimento
supervisionato (Figura 12) mediante la serie storica degli attacchi agli ATM (dal 2000 al 2017):MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
25
Figura 12: Schema Input|Output della RNA per la ponderazione dei presidi
• i valori di input corrispondono ai presidi associati a ogni impianto nel dato momento storico (Tabella 6);
C_GRADO_RESIST DESCRIZIONE
1 CEN IV
2 CEN III
3 CEN II
4 CEN I
5 UL291
6 ANIA A
7 EQ UL291
8 ALTRO
9 CEN L 13mm
10 CEN L 40mm
11 CEN III Gas Proof
12 CEN IV Gas proof
PRESIDIO DESCRIZIONE
IMP_10_L01 ANCORAGGIO ANTISTRAPPO
IMP_10_L02 CHIAVI IN MANO A SOCIETA' DI TRASPORTO VALORI
IMP_10_L03 COLLEGATO AD ALLARME
IMP_10_L04 MACCHIATORE VALORI
IMP_10_L05 SISTEMA ANTIESPLOSIONE
IMP_10_L06 TEMPORIZZAZIONE
IMP_10_L07 CROCIERA INTERNA
IMP_10_L08 PROTEZIONE STRUTTURALE ESTERNA
IMP_10_L09 LOCALE CON ALLARME
IMP_10_L10 TRACCIABILITA' BANCONOTE
IMP_10_L11 DISSUASORI INSERIMENTO GAS/ESPLOSIVO
IMP_10_L12 GABBIA
IMP_10_L13 NEBBIOGENO
IMP_10_L14 PROTEZIONE COMPONENTI DI INTERAZIONE CON LA CARTA
IMP_10_L15 COLLOCAZIONE IN AREA BLINDATA AD ALTA SICUREZZA
IMP_10_L16 TRACCIABILITA' ATMMODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
IMP_10_L17 VIDEOREGISTRAZIONE
IMP_10_L18 SISTEMI ANALISI COMPORTAMENTALE
Tabella 6: Presidi di un impianto ATM per la mitigazione del Rischio di attacco
• i valori di output per addestrare la RNA corrispondono all’esito e all’intensità dell’attacco.
Alla fine di questo primo step di addestramento la RNA è in grado di associare una gamma di pesi a ciascuno degli
26
impianti modello.
4.3.2. CALCOLO DEL RISCHIO RESIDUO
Per calcolare il Rischio Rapina Residuo di un impianto ATM è sufficiente addestrare un’altra RNA (Figura 13) in grado di
processare tutte le informazioni elaborate in precedenza e simulare il meccanismo di mitigazione del rischio:
• i valori di input includono il set di Presidi di ogni impianto modello e l’indice di Rischio Attacco ATM Inerente
dell’impianto;
• i valori di output corrispondono agli effettivi trend degli attacchi (residuo effettivo) e a quelli calcolati in base
alla ponderazione dei presidi.
Figura 13: Schema Input|Output della RNA per il calcolo del Rischio Residuo
4.4. TIPOLOGIE DI ATTACCO AI DANNI DI IMPIANTI ATM
ATTACCO_CON_ESPLOSIVO ATTACCO_CON_RIMOZIONE
ATTACCO_CON_SCASSO Lineare (ATTACCO_CON_ESPLOSIVO)
100,00%
90,00%
80,00%
PERCENTUALE TIPOLOGIA
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
ANNI
Grafico 12: Analisi comparata tipologie Attacchi ATM nell’intervallo 2001 – 2017MODELLO DI ANALISI DEL RISCHIO RAPINA E DEL RISCHIO ATTACCO ATM – Aprile 2018
Il Grafico 12 (“Analisi comparata tipologie Attacchi ATM nell’intervallo 2001 – 2017“) mostra l’evoluzione storica delle
tipologie di attacco prevalenti ai danni di impianti ATM tra il 2001 e il 2017.
In particolare, dall’analisi dei dati si evince un progressivo ridimensionamento degli attacchi con scasso, a favore di un
deciso incremento di attacchi mediante esplosivo. Questo punto di attenzione è confermato anche dalla distribuzione
delle tipologie di attacchi agli ATM in corrispondenza dei due estremi della serie storica in esame:
• nel 2001 (Grafico 13) la modalità di attacco con scasso ha una rilevanza significativa rispetto alle altre tipologie
di attacco; 27
8,93%
10,71%
ATTACCO_CON_ESPLOSIVO
ATTACCO_CON_RIMOZIONE
ATTACCO_CON_SCASSO
80,36%
Grafico 13: Distribuzione tipologie attacchi ATM nel 2001
• il Grafico 14 evidenzia invece un radicale capovolgimento delle percentuali, con una preminenza notevole della
modalità di attacco con esplosivo.
19,78%
ATTACCO_CON_ESPLOSIVO
ATTACCO_CON_RIMOZIONE
16,48% ATTACCO_CON_SCASSO
63,74%
Grafico 14: Distribuzione tipologie attacchi ATM nel primo trimestre 2018
In ragione dell’importanza di questa evoluzione, il modello di analisi del rischio prevede un focus particolare sul tema
delle tipologie di attacco agli ATM, attraverso un calcolo delle probabilità di attacco con esplosivo|con rimozione|con
scasso associate a ogni impianto ATM del Db di Ossif.Puoi anche leggere
