Как защититься от корпоративного мошенничества в банке - Fuzzy Logic Labs

Как защититься от корпоративного мошенничества в банке

Share on facebook
Share on twitter
Share on linkedin

О рисках корпоративного мошенничества и защите от них рассказал интернет порталу PLUSworld.ru, Сергей Парфёнов, технический директор компании Фаззи Лоджик Лабс.

Развивая кросс-канальную систему Smart Fraud Detection для противодействия мошенничеству в Фаззи Лоджик Лабс, мы используем канал “мониторинг сотрудников” для выявления внутреннего мошенничества в финансовых организациях.

В режиме реального времени система распознает и контролирует поведение сотрудников с помощью камер (фото, видео данные) и микрофонов (аудио данные).

Основные задачи, которые мы ставим для решения по мониторингу персонала:

  • Аутентификация пользователя
  • Анализ поведения сотрудника
  • Противодействие мошенническим транзакциям на основе оценки рисков антифрод системой Smart Fraud Detection
Smart Fraud Detection

Отличительные характеристики решения по контролю персонала с помощью камер и микрофонов следующие:

  • Аудиовизуальная модальность.

Как правило UEBA/DLP системы работают только с данными от программных агентов на рабочих станциях, серверах и сетевых маршрутизаторах/файерволлах.

  • Локальная обработка данных

Мы не просто собираем эти данные и отправляем их на сервер, но можем их обрабатывать локально на рабочей станции пользователя, чтобы снизить нагрузку на сервер и сеть, а также не передавать биометрические данные пользователей на сервер или хотя бы уменьшить объем таких чувствительных данных.

  • Возможность запуска части функционала в достаточно современном браузере с использованием обычных веб-камер, в том числе и в сторонних web-приложениях 

Это значит, что агент мониторинга может работать как SDK для стороннего приложения, и на большинстве современных ноутбуков без какого-либо дополнительного специализированного оборудования.

  • Тесная интеграция с антифрод-решением:
  • возможность прозрачно использовать существующие компоненты системы, например, движок правил; 
  • при работе системы в банковском контексте мы можем использовать кроссканальную аналитику поведения пользователей, а значит, и строить наиболее полную модель поведения пользователей, улучшая выявление аномалий и нелегитимных действий пользователей.
FUZZY LOGIC LABS

Полный текст статьи читайте на портале PLUSworld.ru

Похожие статьи