В «Тинькофф» разработали модель на основе машинного обучения, которая позволяет на этапе подтверждения заявки на кредит выявить мошенничество, рассказал Олег Замиралов, заместитель руководителя Центра экосистемной безопасности «Тинькофф», на Уральском форуме по кибербезопасности в финансах. С помощью технологии удается пресекать свыше 90% заявок на кредит наличными, оформленных под воздействием социальной инженерии.

Скоринг, который ранее использовался для проверки кредитоспособности клиента, был усилен признаками и параметрами, которые указывают на потенциальное мошенничество. Для этого были проанализированы несколько миллионов заявок, включая заявки, которые клиенты оформляют под воздействием социальной инженерии. Например, среди таких признаков учитываются социально-демографические факторы, аномалии в самой заявке, характерные для инструкций мошенников, и многое другое. Эта модель способна с высокой точностью прогнозировать воздействие третьих лиц при оформлении клиентом заявки и посылать сигнал сотрудникам банка, чтобы они перепроверили заявку и в случае подозрения на мошенничество отклонили ее.

Так создается дополнительный эшелон защиты к уже существующим, таким как прерывание мошеннического звонка, блокировка подозрительных трансакций, когда мошенник уже пытается вывести кредитные средства со счета и другие. Особенностью этого эшелона защиты является то, что банку не нужно переубеждать клиента совершать трансакцию в адрес мошенника.

«Мы периодически сталкиваемся с ситуациями, когда банк понимает, что клиент находится под воздействием социнженерии, а сам клиент этого не осознает, не верит сотрудникам банка, которые пытаются его переубедить, и настаивает на проведении перевода. Технология помогает еще на этапе заявки на кредит предотвратить мошенничество: если мы понимаем, что заем оформляется клиентом не по своей воле, просто отклоняем эту заявку.

Тестируем этот пилот с конца прошлого года, и он показывает высокую эффективность — в частности, с помощью этой модели нам удается пресекать свыше 90% заявок на кредит наличными, оформленных под воздействием мошенников»,— отмечает Олег Замиралов.

Еще один из превентивных методов борьбы с мошенническими кредитами на основе искусственного интеллекта — разработка Victim Score. Это специальный рейтинг, который определяет по разным признакам, что клиент находится в зоне риска — с высокой долей вероятности может поверить мошенникам. Таким клиентам система автоматически начинает предлагать дополнительное обучение в сторис и в блоге по безопасности мобильного приложения банка. Особенно эффективно Victim Score работает по схеме с псевдоинвестициями. «По нашим исследованиям мы видим, что те, кто проходил обучение, в 2–2,5 раза реже верят мошенникам, чем те, кто не проходил. В частности, из всей группы обученных процент мошенничества составляет 0,8%, а среди необученных клиентов он уже 1,5%»,— дополняет Олег Замиралов.

АО «ТИНЬКОФФ БАНК»

Реклама