«Тинькофф» начал автоматически отклонять заявки мошенников на кредиты с помощью искусственного интеллекта
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. Об этом CNews сообщили представители «Тинькофф».
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 транзакций, когда мошенник уже пытается вывести кредитные средства со счета, и другие. Особенностью этого эшелона защиты является то, что банку не нужно переубеждать клиента совершать транзакцию 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», — сказал 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%», — сказал Олег Замиралов.
