Управление рисками мошенничества с помощью синтетических данных: комментарий Игоря Бушминского

Комментируя обзор Finextra - Managing Fraud Risks with Synthetic Data, эксперт направления «Казначейство и договоры» Игорь Бушминский рассказал, как меняется ситуация с выявлением мошенничества в финансовой сфере.

Применение машинного обучения в области выявления мошеннических операций широко распространено в финансовых организациях и фактически стало стандартом в данной сфере. Вместе с тем растет техническая подготовка мошенников, используются инструменты ИИ, например deepfake и голосовые модели. Таким образом, финансовые организации оказываются в «гонке технологий» и вынуждены гибко и быстро реагировать на новые преступные схемы.

Как указывается в обзоре, в Великобритании ситуацию для банков дополнительно усложнил регулятор, возложив на них финансовую ответственность перед жертвами за мошенничество с авторизованными платежами.

Качество и количество данных играют ключевую роль в машинном обучении. От них напрямую зависит точность модели. При обучении своих антифрод-систем финансовые организации могут сталкиваться со следующими недостатками в данных для обучения:

• Ограниченность и различный объем данных у организаций. Модель отдельно взятой организации обучается только на собственных данных. Отсутствует единая база по всем финансовым институтам. Чем меньше организация, тем меньшим набором данных она владеет.

• Устаревание данных. Высокая скорость появления новых схем мошенничества и использование новых технологий требуют постоянного дообучения модели. В силу описанной выше проблемы организация может испытывать дефицит данных для дообучения.
• Качество данных. В силу чувствительности машинного обучения к качеству данных наличие ошибок в них может исказить модель и привести к неточностям.

В материале раскрывается использование синтетических данных для решения описанных проблем. Статья может быть интересна широкому кругу читателей, заинтересованных в современных тенденциях и зарубежном опыте борьбы с финансовым мошенничеством.

Стоит отметить, что в России данная проблема стоит крайне остро. Принят ФЗ от 24.07.2023 № 369-ФЗ «О внесении изменений в Федеральный закон «О национальной платежной системе». В нем, в частности, содержится похожая мера, обязывающая оператора по переводу денежных средств вернуть средства в случае, если антифрод-система сработала некачественно и допустила перевод. Кроме того, ЦБ создает агрегированные базы данных, позволяющие кредитным организациям дополнять собственные данные информацией от других банков.

Источник: канал Вестник финтеха