Пермские исследователи разработали инновационный способ борьбы с интернет-мошенничеством.

Электронная коммерция — это область, охватывающая онлайн-торговлю и финансовые операции. Данные процессы становятся привлекательными для мошенников, так как позволяют легко похищать данные банковских карт и совершать покупки в интернете без непосредственного контакта с продавцом. Для борьбы с этим банки применяют специальные антифрод-системы, которые анализируют транзакции, выявляют аномальное поведение пользователей и реагируют на него. Тем не менее, злоумышленники постоянно ищут новые способы обмана, и для обновления систем безопасности, а также блокировки новых методов цифрового мошенничества требуется время, ручной труд и анализ больших объемов информации. Учёные Пермского Политеха разработали самообучающееся программное обеспечение, которое значительно снижает риск обхода систем контроля со стороны мошенников.

2025-02-21 10:00:11https://naked-science.ru/article/column/moshennichestvom-v-intern

Статья опубликована в сборнике студенческих конференций «АСУИТ». Исследование было проведено в рамках программы стратегического академического лидерства «Приоритет-2030».

ECOM-транзакция является наиболее распространенным видом операций, подверженных мошенничеству. Уровень фрода (получения финансовой выгоды обманным путем) в этих операциях составляет до трех процентов от общего объема. Это значительно превышает уровень 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 данной проблемы на отечественном рынке внедряются системы фрод-мониторинга. Однако существующие программы не обладают многоэтапностью проверок, что приводит к снижению процента выявления мошеннических действий с каждым годом.

Ученые Пермского Политеха разрабатывают антифрод-программу с тремя различными и независимыми модулями. Эти системы создают внутренние модели и обучаются. Каждый из них будет включать три основных метода: кластеризацию, классификацию и алгоритм дерева принятия решений.

«Системы отслеживают поведение пользователя на серверах: дни и время совершения онлайн-транзакций, объем и другие параметры. Формируется так называемая «допустимая область», в которую должна вписываться каждая операция. Кластеризация и классификация – это 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.

«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 на их основе формирует соответствующий вердикт. Алгоритм работы предлагаемой антифрод-системы включает параллельное функционирование трех независимых модулей, каждый из которых проходит три стадии проверки.

Такая многоэтапность повышает вероятность обнаружения по сравнению с системами, имеющими один модуль. В настоящее время программное обеспечение находится на стадии сбора статистики и обучения, и в будущем может снизить риск мошеннических транзакций, повысив уровень их 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 выявления и предотвращения цифрового мошенничества при совершении онлайн-покупок. Предложенный алгоритм и применение искусственного интеллекта позволят исключить возможность обхода злоумышленниками такой системы, поскольку она будет самообучаться и адаптироваться к изменениям, а также распознавать новые неправомерные действия.