«Фаззи Лоджик Лабс» и «Ростелеком» представили обновленную версию интеллектуальной системы борьбы с мошенничеством Smart Fraud Detection 4.3. Она использует нейросети и ИИ-технологии для более глубокого анализа поведения пользователей и выявления fraudulent-операций.
«Фаззи Лоджик Лабс» и «Ростелеком» представили обновленную версию флагманского продукта Smart Fraud Detection 4.3 — интеллектуальную систему борьбы с мошенничеством нового поколения. Она позволяет глубже анализировать поведение пользователей, повышая точность выявления fraudulent-операций. В основе SFD 4.3 лежат нейросети и ИИ-технологии, способные не только распознавать известные схемы мошенничества, но и самостоятельно формировать новые правила, выявлять скрытые паттерны и аномалии. Это делает защиту более динамичной и эффективной.
Система использует алгоритмы машинного обучения для построения поведенческих моделей клиентов и обнаружения отклонений. Благодаря постоянному обучению на новых данных SFD адаптируется к изменениям и остается надежной. Например, она выявляет подозрительную активность, такую как множественные мелкие переводы на ограниченное число получателей за короткий срок.
«Уже сегодня более 55% крупных российских финансовых организаций используют ИИ в системах фрод-мониторинга, а доля таких решений ежегодно растет. Именно самообучающиеся интеллектуальные системы позволяют оперативно адаптироваться к новым типам угроз и обеспечивать бизнесу максимальную защиту в условиях цифровой трансформации».
Лилия Шароватова, генеральный директор компании «Фаззи Лоджик Лабс»
Для анализа транзакций ML-модель SFD задействует более 250 профилей и признаков, включая данные о клиенте, отправителе, получателе, мерчанте, устройстве, IP-адресе и внутренних связях. Это позволяет точно оценивать риски каждой операции.
Ключевой компонент системы — графовые нейронные сети, которые выявляют связи между мошенниками, транзакциями и устройствами. Такой подход помогает обнаруживать сложные схемы, незаметные при анализе отдельных операций.
Внутри SFD применяются два основных метода: байесовское дерево и градиентный бустинг. Система анализирует данные с помощью решающих деревьев и логистической регрессии, вычисляя вероятность мошенничества. Это обеспечивает точное выявление подозрительных транзакций и позволяет оперативно на них реагировать.