Технология способна отличать подозрительные транзакции от безопасных, мошенников от честных пользователей. Графовую нейронную сеть можно использовать не только в банковском секторе, но и в других сферах, где данные можно представить в виде набора объектов и связей между ними.
Из чего состоит нейронная сеть, созданная петербургскими учеными? В основе технологии лежат графы — это структуры данных, которые представляют собой сети с парными связями внутри. Очень многие данные удобно представлять в виде графов — отношения между пользователями социальных сетей, структурные представления белков и органических соединений, сеть передачи данных, транзакции между банковскими счетами.
Графовые нейронные сети, по сути, объединили под собой все наработки в области нейронных сетей. Около года назад группа ученых из Института кибербезопасности и защиты информации СПбПУ приступили к изучению графовых нейросетей в банковской сфере.
«Мы представили банковские операции и пользователей, которые их совершают, в виде графов, затем разделили их на два класса: одни – мошенники, другие – люди, осуществляющие легитимные денежные переводы. При обучении нашей графовой нейронной сети мы дополнительно учитывали идентификационную информацию: номер банковской карты, данные об отправителе и получателе денежных средств, тип используемой банковской карты, характеристики устройства, с помощью которого была совершена транзакция и другие. Выделение дополнительных признаков позволило нам более точно обучить графовую нейронную сеть и получить хорошие результаты», — поделилась доктор технических наук, профессор Института кибербезопасности и защиты информации СПбПУ Дарья Лаврова.
Главная особенность новой модели нейронной сети — она уделяет внимание определенным закономерностям, по которым можно распознать действия мошенников.
«Если человек открыл счет в банке полгода назад и за этот период времени средняя сумма транзакций за день составляла 1 000 рублей, после чего в один день он получил денежные переводы в сумме 30 000 рублей, вероятность того, что нейронная сеть отнесет этого человека к классу мошенников, возрастет. Кроме того, будет учитываться информация об источнике транзакции и, если деньги были переведены не юридической организацией, а 10 физическими лицами, то данная вероятность также увеличится», — сообщила Дарья Лаврова.
Новая модель нейросети ориентирована на решение проблемы больших объемов данных о транзакциях, она повышает скорость анализа операций, быстрее проверяет на безопасность покупок и переводов, а также ищет новые способы банковского мошенничества.
Разработка Политеха пригодится прежде всего банковским организациям. Она способна экономить человеческий ресурс, автоматизируя всю рутинную работу по ручному разбору транзакций, которую выполняют сотрудники банков. Графовую нейронную сеть можно применять и в других сферах, где данные можно представить в виде набора объектов и связей между ними. Так, например, она справится с выявлением в социальных сетях пользователей, распространяющих дезинформацию или же с обнаружением сетевых атак в сетях передачи данных.
Комментарии (0)