Компания «Инфосистемы Джет» создала собственное антифрод-решение Jet Detective

г. Москва – Компания «Инфосистемы Джет» объявляет о выходе собственной системы противодействия различным видам мошенничества – Jet Detective. Главные преимущества Jet Detective – скорость и точность выявления фрода с минимальными показателями ложных срабатываний. Решение агрегирует сотни тысяч операций в минуту из множества источников (от сетевых каналов до бизнес-систем), затрачивая доли секунды на анализ каждого события. Применение общих экспертных правил анализа наряду с методами машинного обучения позволяют предотвращать не только известные виды мошенничества, но и реализацию новых схем. Кроме того, решение помогает выявлять готовящиеся хищения и сложные случаи мошенничества, когда противоправные действия совершаются разными лицами, в разных системах и в разное время.

В основе решения лежат технологии машинного обучения и искусственного интеллекта

Система Jet Detective предназначена для компаний любых отраслей: банков, ритейла, промышленных предприятий и т.д. Оно может быть развернуто как на площадке заказчика, так и в облаке по модели SaaS. На сегодняшний день на базе данного решения компания «Инфосистемы Джет» уже реализовала несколько пилотных проектов в организациях финансового сектора и ритейла.

«Появление Jet Detective стало логичным ответом на нынешние потребности компаний, для которых наиболее актуальна проблема фрода. Если раньше созданные схемы мошенничества существовали годами, то сегодня они меняются так быстро, что компании не успевают их изучить и тем более настроить механизм их выявления в системах, – комментирует Алексей Гришин, директор Центра информационной безопасности компании «Инфосистемы Джет». – Общаясь с заказчиками, мы понимали, что большинство предлагаемых на рынке систем не отвечают полностью их требованиям. Одни решения закрыты – в них сложно внести необходимые изменения, а иногда и невозможно. Другие – недостаточно точны в определении фрода. Третьи – требуют непрерывного контроля и самостоятельного внесения изменений в правила анализа, что снижает скорость реакции на противоправные действия. Наша многолетняя экспертиза в области антифрода и разработки ПО, а также понимание потребностей рынка дали нам возможность создать принципиально новое решение, не имеющее перечисленных недостатков».

Модульная архитектура Jet Detective обеспечивает его гибкую адаптацию и кастомизацию в соответствии с индивидуальными потребностями конкретного заказчика. Технологическая платформа позволяет отказаться от реляционных СУБД, что дает существенную экономию. Кроме того, вводить в эксплуатацию элементы решения можно поэтапно, по мере подключения источников данных. Благодаря этому уже на первом этапе внедрения компания может получать опыт работы с решением и фиксировать отдачу от его использования. Таким образом, сокращаются фактические сроки развертывания и выхода решения на уровень максимальной эффективности.

«Использование Jet Detective позволяет заказчику решать основную бизнес-задачу – сводить риски реализации мошенничества к нулевым показателям при сохранении низкого уровня ложных срабатываний. Последнее, в свою очередь, высвобождает человеческие ресурсы, сокращая операционные расходы на персонал, – отмечает Алексей Сизов, руководитель направления решений противодействия мошенничеству Центра информационной безопасности компании «Инфосистемы Джет». – Поддерживать высокие бизнес-KPI и обеспечивать высокий уровень защиты компании и ее клиентов от ежедневно нарастающего напора злоумышленников можно лишь с применением наиболее передовых практик и механизмов, воплощением которых и является наше решение».

«В системах наших клиентов вместе с объемом данных растет и их сложность. Самый эффективный способ преодолеть сложившуюся ситуацию – это заставить машину анализировать все эти терабайты информации, – рассказывает Евгений Колесников,  руководитель направления «Большие данные и машинное обучение» компании «Инфосистемы Джет». – Наряду с кредитным скорингом и товарными рекомендациями борьба с мошенничеством является тем направлением, где применение методов машинного обучения ни у кого не вызывает вопросов. Наша разработка использует почти весь спектр существующих сегодня инструментов. Это дает компаниям массу возможностей по выявлению мошеннических операций и анализу подозрительного поведения».

Ключевые особенности Jet Detective:

• Обработка событий в реальном времени. Решение удовлетворяет самым жестким требованиям к скорости и полноте анализа: тысячи событий обрабатываются в режиме real-time с применением как экспертных правил, так и машинно-обученных моделей. Это позволяет оперативно реагировать на высокорисковые операции, в том числе приостанавливать их в бизнес-системах.
• Машинное обучение. Помимо возможности настройки произвольных экспертных правил, решение позволяет использовать различные математические модели, преимущественно обучаемые. За счет этого выявлять подозрительные действия можно в автоматическом режиме, без привлечения экспертов. Режим самообучения дает возможность автоматически подстраиваться под новые схемы мошенничества.
• Прозрачность. Решение построено на открытой технологии управления. Это дает возможность бизнесу контролировать качество работы решения и корректировать показатели качества, проводя собственные изменения в используемых политиках и моделях.
• Технологическая платформа. Решение позволяет отказаться от классических инструментов построения серверов приложений и реляционных СУБД.
• Многовекторный анализ. Совокупность применяемых моделей и механизмов анализа операций помогает выявлять сегменты риска не только за счет описанных правил или обученных моделей, но и с помощью независимых механизмов выявления аномалий в событиях или поведении клиента/сотрудника.
• Адаптация решения под цели и нужды риск-менеджеров. Схема пользовательских интерфейсов, удобная для одновременного анализа событий в различных, не связанных между собой системах, минимизирует время принятия человеком экспертного решения при разборе инцидента.
• Применение модели бизнес-объектов. Решение оперирует бизнес-объектами, т.е. логическими представлениями реальных объектов («Клиент», «Счет», «Платеж», «Точка обслуживания» и т.п.). Бизнес-объекты полностью прозрачны для бизнес-пользователей в части их создания, наполнения атрибутами и агрегированными данными, описывающими их жизненный цикл. Бизнес-объекты автоматически собираются из различных источников (баз данных, файлов обратного потока, лог-файлов серверов, интеграционных компонент бизнес-систем и пр.).