Транзакции в системах электронной коммерции являются наиболее распространенной целью для мошеннических действий. Согласно статистике, уровень фрода (незаконного получения финансовой выгоды) в таких операциях достигает 3% от общего объема. Это превышает показатели мошенничества в других видах транзакций: внутрибанковских (0,1%), межбанковских переводах (0,5%) и выплатах на карту (0,1%).
Для защиты платежей от мошенников банки используют специализированное программное обеспечение — антифрод-системы. Такие системы анализируют операции, выявляют аномальное покупательское поведение и принимают соответствующие меры. Однако большинство существующих решений не предусматривают многоуровневую систему проверок, из-за чего их эффективность постоянно снижается. Злоумышленники находят новые способы обхода защиты, а адаптация программного обеспечения к новым методам цифрового мошенничества требует времени, ручного вмешательства и анализа больших объемов данных.
Учёные Пермского Политеха разрабатывают антифрод-систему, основанную на трёх независимых модулях, использующих методы машинного обучения. Каждый модуль включает три ключевых метода: кластеризацию, классификацию и алгоритм дерева принятия решений.
Разработка специалистов ПНИПУ предназначена для выявления и предотвращения цифрового мошенничества при онлайн-покупках. Благодаря применению искусственного интеллекта и адаптивных алгоритмов система сможет самообучаться, выявляя новые схемы незаконных действий и минимизируя вероятность их успешного проведения. Исследование осуществляется в рамках программы стратегического академического лидерства «Приоритет 2030».
