Статья опубликована в сборнике студенческих конференций «АСУИТ». Исследование проведено в рамках реализации программы стратегического академического лидерства «Приоритет-2030».
ECOM-транзакция – самый популярный вид операции для мошенничества. Так, уровень фрода (получения финансовой выгоды обманным путем) в таких операциях достигает трех процентов от общего объема. Это превосходит степень и частоту обмана в других типах транзакций: внутрибанковских (0,1 процента), межбанковских переводах (0,5 процента) и выплатах на карту (0,1 процента).
Для решения проблемы на отечественном рынке внедрены системы фрод-мониторинга. Однако существующие программы не содержат в себе многоэтапность проверок, в связи с чем процент выявления мошеннических действий с каждым годом падает все ниже.
Ученые Пермского Политеха создают антифрод-программу с тремя различными и независимыми модулями. Это системы, которые строят внутри себя модели и обучаются. Каждый из них будет содержать в себе три основных метода: кластеризация, классификация и алгоритм дерева принятия решений.
«Поведение пользователя отслеживается системами на серверах: дни и время совершения онлайн-транзакций, объем и так далее. Формируется так называемая «допустимая область», в которую должна войти та или иная операция. Кластеризация и классификация – первые этапы выявления мошеннических действий, которые благодаря алгоритмам анализируют транзакцию и определяют, отклоняется ли она от привычного поведения пользователя», – комментирует Александр Субботин, аспирант кафедры «Информационные технологии и автоматизированные системы» ПНИПУ.
«Далее после этих двух этапов, если система не смогла определить, совершал ли пользователь платеж самостоятельно, данные анализируются методом дерева принятия решений. Модуль системы оценивает параметры операций и по ним формирует соответствующий вердикт. Алгоритм работы предлагаемой антифрод-системы включает параллельную работу трех независимых модулей, каждый из которых содержит три стадии проверки.
Подобная многоэтапность увеличивает вероятность обнаружения по сравнению с системами с одним модулем. Сейчас программное обеспечение находится на стадии сбора статистики и обучения и в перспективе может снизить риск мошеннических транзакций, доведя их уровень обнаружения до 95 процентов и выше», – рассказывает Рустам Файзрахманов, профессор, заведующий кафедрой «Информационные технологии и автоматизированные системы» ПНИПУ, доктор экономических наук.
Разработка ученых ПНИПУ может быть использована для обнаружения и предотвращения цифрового мошенничества во время совершений онлайн-покупок. Предложенный алгоритм и использование искусственного интеллекта позволят исключить возможность обхода злоумышленниками такой системы, поскольку она будет самообучаться и адаптироваться к изменениям и распознаванию новых неправомерных действий.