Transcrime Cattolica, supporto ricerca per contrasto mafie

(ANSA) - MILANO, 21 MAR - Il supporto e l'importanza della ricerca nel contrastare le infiltrazioni criminali e mafiose nell'economia. É questo il tema al centro del convegno 'Le dinamiche delle infiltrazioni criminali nell'economia: rischi e rimedi', in corso all'Universitá Cattolica di Milano, promosso da Transcrime, Centro di ricerca su criminalità e innovazione dell'Università Cattolica del Sacro Cuore, e Anfaci (Associazione Nazionale Funzionari Amministrazione Civile dell'Interno).
    "Nonostante i rilevanti risultati conseguiti e le capacità acquisite, permangono intrecci da contrastare e conoscere meglio - afferma il Prefetto Ignazio Portelli, Commissario dello Stato per la Regione Siciliana e Presidente di Anfaci -. Il contrasto alle infiltrazioni è un percorso ad ostacoli e non sempre consegue i risultati dovuti e attesi per molteplici cause".
    "Il tema delle ricchezze criminali e del loro impiego nell'economia legale non è adeguatamente percepito nella sua rilevanza - spiega il professore Ernesto Ugo Savona, Direttore di Transcrime. -. A 30 anni dalla nascita di Transcrime, il supporto della ricerca si rivela centrale nel definire i fattori di rischio e trasferirli in tecnologie e iniziative di intelligence a supporto della capacità di prevenzione di autorità e imprese".
    Come emerso dal convegno occorre sviluppare tecnologie e indicatori di rischio capaci di individuare anomalie nelle attività e strutture societarie. Una ricerca condotta da Transcrime per PoliS-Lombardia, con il sostegno della Prefettura di Milano, ha mostrato l'efficacia di questo strumento applicando su oltre un milione di aziende lombarde 30 indicatori di anomalie, relative alla struttura proprietaria, i soggetti apicali, il contesto territoriale, l'attività economico-finanziaria, l'esposizione politica e a eventi negativi o leaks giornalistici. "In fase di validazione - spiega Francesco Calderoni dell'Università Cattolica e Ricercatore di Transcrime - gli indicatori hanno dimostrato la capacità di individuare correttamente un campione di imprese interdette con una probabilità fino a 25 volte maggiore rispetto a quella di un'identificazione errata, applicando tecniche avanzate di machine learning". (ANSA).