В ПНИПУ предложили новую систему борьбы с мошенничеством в сети Интернет

Программное обеспечение с самообучением, использование которого снизит риск обхода злоумышленниками систем контроля банками мошеннических схем, создают ученые Пермского национального исследовательского политехнического университета (ПНИПУ), 24 февраля сообщает пресс-служба вуза. Среди мошенников сфера электронной коммерции, которая включает торговые и финансовые процессы, проводимые через интернет, пользуется популярностью, так как предоставляет им возможность кражи данных банковских карт и совершения покупок в сети без фактического взаимодействия с продавцом. Для предотвращения такого вида мошенничества банки применяют специальное программное обеспечение (ПО) — антифрод-системы. Они анализируют каждую онлайн операцию на наличие несвойственного конкретному пользователю покупательского поведения и в случае его обнаружения предпринимают соответствующие меры. Однако злоумышленники постоянно ищут и находят лазейки в алгоритмах такого ПО, а на их устранение и блокирование новых способов цифровой кражи нужно время, ручной труд программистов, требующий к тому же анализа большого объема данных. Решением этой проблемы занялись молодые ученые ПНИПУ. Своими успехами они поделились в статье «Способы обнаружения мошеннических действий в ECOM-транзакциях», опубликованной в сборнике материалов Всероссийской научно-технической конференции «Автоматизированные системы управления и информационные технологии» за 2024 год. ECOM-транзакция, популярная среди цифровых мошенников операция, обеспечивает им на настоящий момент уровень фрода (получения финансовой выгоды обманным путем), составляющий 3% от общего объема транзакций. Это больше, чем им удается достичь в других типах транзакций — внутрибанковских (0,1%), межбанковских переводах (0,5%) и выплатах на карту (0,1%). Существующие на отечественном рынке системы фрод-мониторинга не обеспечивают многоэтапность проверок, и процент выявления мошеннических действий с каждым годом падает всё ниже. Антифрод-программа ученых ПНИПУ будет содержать три независимых модуля, которые построят внутри себя обучаемые модели. Каждый из модулей будет осуществлять три основных метода: кластеризацию, классификацию и алгоритм дерева принятия решений. Аспирант кафедры «Информационные технологии и автоматизированные системы» ПНИПУ Александр Субботин рассказал о том, как будет работать это программное обеспечение: «Поведение пользователя отслеживается системами на серверах: дни и время совершения онлайн-транзакций, объем и т. д. 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». Его пояснения дополнил заведующий кафедрой «Информационные технологии и автоматизированные системы» ПНИПУ, профессор, доктор экономических наук Рустам Файзрахманов: «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». Такая многоэтапность проверки значительно повышает вероятность обнаружения мошенничества по сравнению с системами с одним модулем. В настоящее время ПО проходит этап сбора статистики и обучения. Предполагается, что программа пермских политехников позволит снизить риск мошеннических транзакций, доведя уровень их обнаружения до 95% и даже выше. Она предназначена для обнаружения и предотвращения цифрового мошенничества при совершении онлайн-покупок. Разработанный алгоритм и использование искусственного интеллекта не позволят злоумышленникам обойти эту систему, которая будет самообучаться и адаптироваться к изменениям их тактики, распознавая новые неправомерные действия мошенников. glavno.smi.today