Danske bank и Teradata внедряют систему на основе искусственного интеллекта для обнаружения мошенничества в режиме реального времени

Платформа использует методы глубокого обучения, позволяющие анализировать десятки тысяч скрытых признаков и отслеживать миллионы банковских онлайн операций в режиме реального времени для получения информации о реальных фактах мошенничества и случаях, ошибочно принятых за мошенничество. Существенно сократив расходы на оценку ложных результатов и повысив общую эффективность своей деятельности, Danske Bank ожидает полной окупаемости инвестиций уже в первый год эксплуатации.

«Фальсификация данных при подаче заявок на кредиты – крайне важная и острая проблема для банков. Как известно, злоумышленники постоянно совершенствуют технику, используя сложнейшие методы для совершения атак, поэтому в деле их обнаружения могут помочь передовые технологии, в частности, машинное обучение, - говорит Надим Гульзар, руководитель отдела продвинутой аналитики Danske Bank. – Мы понимаем, что в ближайшей и долгосрочной перспективе проблема мошенничества будет только усугубляться в связи с повышением уровня цифровизации в банковской сфере и широким распространением приложений для мобильного банкинга. Мы признаем необходимость применения новейших технологий, способных обнаружить злоумышленников не там, где они находятся сегодня, а там, где они будут завтра. С помощью технологий ИИ мы уже добились сокращения количества ложных идентификаций на 50%, благодаря чему у половины сотрудников отдела по борьбе с мошенничеством появилось время для решения более важных задач».

Система обнаружения мошенничества, изначально использовавшаяся в Danske Bank, была основана главным образом на написанных вручную правилах, которые активно применялись в банке в течение длительного времени. Из-за рекордного числа ложных срабатываний, иногда достигавшего 99,5% от общего числа транзакций, существенно увеличилось время на проведение проверок и выросли соответствующие расходы. При этом сотрудники отдела по борьбе с мошенничеством были перегружены работой, но реальная их производительность оставалась на низком уровне.

Специалисты Think Big Analytics начали работу в Danske Bank осенью 2016 года. Их задача состояла в том, чтобы поделиться с сотрудниками отдела продвинутой аналитики банка своими знаниями о том, как с помощью данных можно извлечь больше пользы для компании в целом. Работа совместной группы экспертов началась с создания базовой системы в рамках существующей в банке инфраструктуры. Затем были разработаны современные модели машинного обучения для выявления случаев мошенничества среди миллионов транзакций ежегодно, а в периоды пиковой нагрузки – среди нескольких сотен тысяч транзакций в минуту. Для обеспечения прозрачности и повышения уровня доверия наряду с моделями машинного обучения в систему включена функция интерпретации, объясняющая и предоставляющая информацию о действиях по блокировке.

С позиции моделирования случаи мошенничества встречаются крайне редко – примерно один случай из 100 000. Группе экспертов удалось выделить из моделей случаи, ошибочно признанные мошенничеством, и снизить их число на 50%. Вместе с этим модели способны выявлять больше случаев настоящего мошенничества, фактически повысив показатели обнаружения почти на 60%. Программа по борьбе с мошенничеством в Danske Bank – первая система, в которой реализованы методы машинного обучения и одновременно разработаны модели глубокого обучения для тестирования этой технологии.

«Для внедрения технологий исследования данных в своей организации всем банкам необходима платформа продвинутой аналитики с возможностью масштабирования, стратегия и четкий план действий перехода на цифровые технологии, - говорит Мэдз Ингвар, руководитель отдела по работе с клиентами компании Think Big Analytics. – Что касается онлайн операций, кредитных карт и платежей с помощью мобильных устройств, банкам необходим продукт в режиме реального времени – современная платформа по выявлению случаев мошенничества на основе технологий ИИ, разработанная нами совместно с Danske Bank, обрабатывает входящие транзакции менее чем за 300 миллисекунд. То есть, когда клиенты покупают продукты в супермаркете, система проверяет транзакцию в режиме реального времени и в тот же момент сообщает результат. Именно такой продукт скоро будет использоваться во всех финансовых учреждениях».