Rambler's Top100
Все новости Новости компаний
Александра КРЫЛОВА 20 февраля 2017

Искусственный интеллект поможет искать мошенников

На российском рынке появилось новое решение по противодействию мошенничеству, основанное на технологиях машинного обучения и искусственного интеллекта.

Компания «Инфосистемы Джет» представила Jet. Detective – решение по противодействию мошенничеству ее собственной разработки. По словам Алексея Гришина, директора Центра информационной безопасности этого системного интегратора, предпосылок к его разработке было несколько.

Начнем с того, что перенос бизнес-операций банков, розничных сетей в онлайн сопровождается появлением все новых и новых схем мошенничества, отслеживать которые специалистам служб безопасности становится сложно. К тому же, за 10 лет успешных внедрений антифрод-систем известных вендоров специалисты компании «Инфосистемы Джет» имели возможность убедиться в том, что все присутствующие на рынке автоматизированные системы этого класса требуют определенных настроек и доработок в соответствии со спецификой целей и задач заказчика. Однако, даже будучи принятыми, все эти меры, по словам А. Гришина, не обеспечивают той скорости, с которой сегодня требуется анализировать огромные потоки данных, отсеивать случаи, не являющиеся фродом, оставляя службе безопасности исключительно разбор случаев мошенничества.

И, наконец, немаловажным фактором, способствующим появлению в портфеле компании «Инфосистемы Джет» собственного решения по противодействию мошенничеству, стало пополнение команды разработчиками, овладевшими технологиями обработки и анализа «больших данных», а также обладающими навыками построения систем на базе машинного обучения и искусственного интеллекта. Синергия их знаний с опытом специалистов Центра информационной безопасности компании оказала положительное влияние на параметры нового решения.

Корпоративная ИТ-инфраструктура современного бизнеса представляет собой большое количество конвергентных информационных систем, которые независимо или в связке друг с другом обрабатывают огромные массивы данных, причем в разных форматах. В подтверждение этого тезиса Евгений Колесников, руководитель направления «Большие данные и машинное обучение» компании «Инфосистемы Джет», привел журналистам пример клиента компании – интернет-магазина, который за год только логов обращений пользователей к своим страницам собирает 20 ТБ, а общий объем его хранилища намного больше. В этом контексте каждый случай мошенничества можно понимать как совокупность всех событий, произошедших во всех информационных системах компании, в результате которых она либо потеряла деньги, либо столкнулась с негативным влиянием на ее репутацию. Причем, сегодня подобные события происходят как внутри компании, так и вовне, к примеру, в социальных сетях.

Справиться с обработкой BigData с целью выявления мошеннических схем, по мнению Е. Колесникова, можно несколькими способами: нанять большое количество экспертов, проводить анализ событий в режиме онлайн с помощью инструментов BI или использовать технологии машинного обучения. «Инструментов для реализации последнего сценария три, – рассказывает Е. Колесников. – Первый – бинарная квалификация, при которой мы весь входящий поток данных раскладываем по двум корзинам: «хорошо» и «плохо». Второй – выявление аномалий, то есть случаев отклонения от стандартов, и третий – отклонение от профиля поведения объекта. Он самый сложный, требует использования всех возможностей математики». Применив эти три инструмента к антифрод-решению, можно получить самообучающуюся систему, способную обеспечить заказчикам из финансовой сферы, ритейла, промышленности возможность узнать о высокой вероятности случая мошенничества еще до того, как он произойдет.Алексей Сизов, руководитель направления противодействия мошенничеству, «Инфосистемы Джет»

В своем решении по противодействию мошенничеству разработчики компании «Инфосистемы Джет» используют технологии машинного обучения при реализации всех трех принципов, на которых базируется любое антифрод-решение: работы с данными, проведения расследования и анализа данных. Как пояснил Алексей Сизов, руководитель направления противодействия мошенничеству ЦИБ компании «Инфосистемы Джет», в качестве целевых параметров нового решения были выбраны скорость и точность. При этом под скоростью понимается не только высокоскоростная обработка данных, но и скорость создания и тестирования правил, скорость принятия решения операторов, скорость масштабирования системы. А точность отражает способность системы выявлять максимальное количество фрода при минимуме ложных срабатываний.

Для работы с данными в решении по противодействию мошенничеству компании «Инфосистемы Джет» есть конструктор данных и средство управления, позволяющее подключать данные из внешних источников. Благодаря этим инструментам у бизнес-пользователей появилась возможность работать с удобными для него данными и при необходимости обогащать их за счет данных из соцсетей и множества других источников.

Аналитические возможности решения не ограничиваются созданием правил, привычным для экспертов, и профилированием, а имеют уклон в сторону математического моделирования и машинного обучения. В нем используются классические «модели с учителем», которые автоматически выявляют все похожие на зафиксированный в системе случай, выявление аномалий в поведении клиента, сотрудника или системы в целом, а также модели, обеспечивающие контроль процессов и технологий.

Интерфейс для проведения расследований позволяет осуществлять анализ данных из разных источников, в том числе и из действующих в компании BI-систем в одном окне, поддерживает многопользовательский режим работы и имеет встроенные механизмы визуального анализа. В ряду других особенностей решения по противодействию мошенничеству, разработанного в компании «Инфосистемы Джет», заключается в том, что оно позволяет отказаться от классических инструментов построения серверов приложений и реляционных СУБД.

По словам А. Гришина, в настоящее время проводится первичное тестирование решения в ходе десятка пилотных проектов, по результатам которого ожидается заключение двух контрактов. 

Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!

Оставить свой комментарий:

Для комментирования необходимо авторизоваться!

Комментарии по материалу

Данный материал еще не комментировался.