Barsokot Science — исследовательская программа

Barsokot Compliance Paradigm — это не продукт. Это открытая исследовательская платформа на стыке системной биологии, поведенческой экономики и потоковой аналитики.

Цель: проверить гипотезу о том, что скрытые физиологические состояния человека проявляются одновременно в нескольких цифровых каналах (биометрия, поведение, финансовая активность), и совместное моделирование этих каналов улучшает прогнозирование по сравнению с анализом каждого канала по отдельности.

---

📐 Формальная модель

Центральная математическая конструкция — модель скрытого состояния (State-Space Model).

На каждом временном шаге \(t\) существует ненаблюдаемый вектор:

\[ S(t) = [\text{стресс}(t), \text{восстановление}(t), \text{когнитивный тонус}(t)] \]

Он эволюционирует по линейной динамике:

\[ S(t+1) = A \cdot S(t) + \eta(t), \quad \eta(t) \sim \mathcal{N}(0, Q) \]

И порождает два наблюдаемых потока:

\[ \begin{cases} B_{bio}(t) = C_{bio} \cdot S(t) + \epsilon_{bio}(t), & \epsilon_{bio} \sim \mathcal{N}(0, R_{bio}) \\[4pt] B_{tx}(t) = C_{tx} \cdot S(t) + \epsilon_{tx}(t), & \epsilon_{tx} \sim \mathcal{N}(0, R_{tx}) \end{cases} \]

Где:
- \(B_{bio}(t)\) — вектор биометрических признаков (HRV, актиграфия, CGM)
- \(B_{tx}(t)\) — вектор транзакционных признаков (суммы, частота, новые контрагенты)
- \(A, C_{bio}, C_{tx}\) — матрицы, калибруемые индивидуально
- \(Q, R\) — ковариационные матрицы шума

Оператор кросс-канальной связи — максимальная абсолютная кросс-корреляция между \(B_{bio}\) и \(B_{tx}\) в скользящем окне 30 минут:

\[ \rho_{cross}(t) = \max_{\tau \in [-30, +30]} \bigl| \operatorname{Corr}(B_{bio}(t), B_{tx}(t+\tau)) \bigr| \]

Порог значимости: \(\rho_{cross} > 0.65\) (определён эмпирически на пилотной когорте).

---

🔬 Три измеримых конструкта

Вместо абстрактных «здоровья, энергии, поведения» мы используем операциональные определения:

Конструкт	Определение	Измерение
Гомеостатический резерв	Способность организма возвращаться к норме после нагрузки	RMSSD (HRV), глубокая фаза сна, вариабельность глюкозы (CGM)
Операционная энергия	Эффективность использования метаболического субстрата для когнитивной работы	Отношение скорости реакции к уровню глюкозы, LF/HF баланс
Цифровой фенотип	Внешние проявления внутреннего состояния в цифровой среде	Энтропия GPS-перемещений, частота и время транзакций, скорость ответа

---

🎯 Центральная гипотеза

H₁ (альтернативная): Мультимодальная модель, учитывающая скрытое состояние \(S(t)\), статистически значимо (\(p < 0.05\)) превосходит одноканальные модели по F1-мере на аут-оф-сэмпл данных при прогнозировании вероятности возврата средств (chargeback) или мошенничества.

H₀ (нулевая): Совместное моделирование не даёт статистически значимого улучшения.

---

🧪 Дизайн исследования

Параметр	Значение
Дизайн	Проспективное когортное наблюдательное исследование
Когорта	Пользователи Barsokot Wallet, давшие информированное согласие на сбор анонимизированных данных
Минимальный размер	\(N = 500\) для достижения мощности 0.80 при \(\alpha = 0.05\)
Длительность наблюдения	90 дней на участника
Источники данных	Биосенсоры (HRV, актиграфия, CGM) + блокчейн-транзакции + метаданные взаимодействия
Конечные точки	Chargeback, подтверждённое мошенничество, импульсивная транзакция (постфактум)
Базовые модели сравнения	Правила FATF (2019), логистическая регрессия на транзакциях, XGBoost на транзакциях
Метрики	F1, ROC-AUC, Precision-Recall, калибровка (Brier score)

---

📊 Текущие результаты (пилотная когорта, N=124)

Модель	F1	ROC-AUC	95% CI
Базовые правила FATF	0.60	0.71	±0.05
XGBoost (только транзакции)	0.65	0.74	±0.04
SSM-мультимодальная (HCDS)	0.70	0.79	±0.04

При пороге FP = 0.05, чувствительность мультимодальной модели достигает 89% (True Positive Rate).

Статистическая значимость: улучшение ROC-AUC по сравнению с XGBoost: +0.05, \(p = 0.03\) (тест ДеЛонга).

---

🧠 Карта доказательности

Все утверждения в научной документации маркируются по уровню доказательности:

Уровень	Описание	Пример
L1	Воспроизведено в нашей когорте, \(p < 0.05\)	Снижение HRV коррелирует с ночными транзакциями (\(r = -0.32\), \(p = 0.02\))
L2	Подтверждено в сторонней литературе	Социальный джетлаг снижает когнитивную эффективность (Roenneberg et al., 2019)
L3	Гипотетическое предположение, требует проверки	LF/HF > 1.5 может предсказывать импульсивные финансовые решения

---

📋 Регистрируемые переменные

Канал	Переменная	Единица измерения	Частота
Био	RMSSD (HRV)	мс	непрерывно
Био	Активность (акселерометр)	mg	непрерывно
Био	Глюкоза (CGM)	мг/дл	каждые 5 мин
Био	Фазы сна (глубокая/REM)	минуты	за ночь
Транзакции	Сумма перевода	USD / ETH	на каждую операцию
Транзакции	Частота операций	tx/15 мин	непрерывно
Транзакции	Новизна контрагента	бинарно	на каждую операцию
Метаданные	Время суток	UTC	на каждую операцию

---

📚 Сравнение с существующими подходами

Подход	Область	Наша позиция
Традиционный AML	Финансовый мониторинг	Учитывает только транзакции, игнорирует состояние пользователя
Digital Phenotyping	Психиатрия, поведенческая медицина	Учитывает только поведение, не связывает с финансами
Сайентифик-велнес (WHOOP, Oura)	Биометрия	Не учитывает финансовое поведение
Barsokot HCDS	Стык всех трёх	Интегрирует физиологию, поведение и транзакции через общую модель скрытого состояния

---

🔓 Открытые вопросы (Research Agenda)

1. Какова минимальная длительность наблюдения, необходимая для калибровки индивидуальных матриц \(A, C_{bio}, C_{tx}\)?
2. Можно ли обобщить модель на другие типы финансового поведения (инвестиции, кредитное поведение)?
3. Как изменяется предсказательная способность при исключении одного из каналов (сенситивный анализ)?
4. Возможна ли де-персонализация данных с сохранением предсказательной силы (дифференциальная приватность)?

---

🤝 Приглашение к сотрудничеству

Barsokot Science — это открытая исследовательская программа. Мы приглашаем к коллаборации:

• Хронобиологов — для валидации фазовой синхронизации
• Специалистов по поведенческой экономике — для дизайна Nudge-интерфейсов
• Data Scientists — для улучшения SSM-моделей
• Регуляторов — для совместной разработки этических стандартов превентивного комплаенса

---

⚖️ Этический фундамент

Barsokot не ставит диагнозов. Мы работаем с вероятностными оценками и интерфейсами поддержки принятия решений.

Наша философия: не блокировать, а предупреждать.

Если система замечает паттерн, характерный для импульсивного или рискованного поведения, она не блокирует операцию, а делает интерфейс «чуть медленнее» — добавляет паузу, вопрос, проверку.

Это соответствует принципам поведенческого дизайна (Thaler & Sunstein, 2008) и современным подходам к этичному ИИ.

---

📄 Статус публикаций

Тип	Статус	Планируемая дата
Препринт (arXiv, q-bio.QM)	В работе	Q4 2026
Статья в Journal of Biomedical Informatics	Запланирована	Q2 2027
Открытый датасет (анонимизированный)	Обсуждается	—