Сергей Парфенов рассказал на портале Anti-Malware.ru о применении антифрода для защиты от кредитного мошенничества, на примере разработки компании «Фаззи Лоджик Лабс».
В нашей компании Фаззи Лоджик Лабс, развивая кросс-канальную систему обнаружения и выявления мошеннических транзакций в режиме реального времени Smart Fraud Detection, мы разработали технологии, которые показали себя эффективными в выявлении мошенничества в кредитной сфере.
Технология для оценки поведенческих профилей.
Функционал позволяет индивидуально настраивать собственные объекты хранения для расчета данных о поведении. Так, например, по составному объекту “карта – терминал” будет доступна следующая информация: время первой операции, время последней операции, объем операций за день, за месяц, отношение объема операции за месяц и за день …Это позволяет выделить атипичные долгосрочные действия и отследить аномалии в поведении.
Технология “Генератор правил”.
В этой технологии правила-гипотезы формируются автоматически, последовательно оптимизируются после каждой итерации. Если, например, выполняется оптимизация правил социальной инженерии, то система по результатам работы предложит новые правила для лучшего нахождения таких операций при минимальном ложном срабатывании.
В режиме реального времени создаются более точные профили объектов в различных каналах, а также связи между ними (клиенты, получатели платежей, мерчанты, IP-адреса, реквизиты и геолокации клиентских устройств…); определяются кросс-канальные регулярные платежи, типовые устройства, скорость перемещения по IP; проверяются платежи по реквизитам и устройствам известных мошеннических операций, проведенных в других банковских каналах.
Преимущества применения антифрод-систем для защиты от мошенничества с кредитами:
- Сбор пользовательской информации по всем каналам, включая мобильные приложения и интернет-банк
- Идентификация и сведения, состояние устройств, включая с мобильных приложений SDK
- Проверка по справочникам, “черным” и “белым” спискам
- Нормализованная оценка риска проведения финансовых операций методом правил и алгоритмами машинного обучения, расчет параметров in-memory по внутрисистемным объектам
Новость подготовлена по материалам: https://www.anti-malware.ru/practice/methods/Antifraud-in-credit-sector
