Клиент: Крупный коммерческий банк
Задача: Предотвращение мошенничества с использованием банковских карт и онлайн-операций
Запрос клиента
К нам обратился банк, который ежедневно обрабатывает миллионы транзакций. С ростом числа онлайн-платежей участились случаи сложных схем мошенничества: кражи карточных данных, подделка транзакций, переводы на «прокси-счета».
Что мы предложили
Мы спроектировали комплексное решение на базе машинного обучения, которое:
- Анализирует все транзакции в режиме real-time
- Определяет риск операции по множеству признаков (сумма, геолокация, устройство, частота, история покупок)
- Использует историю прошлых фрод-случаев для прогнозирования
- Автоматически блокирует или проверяет подозрительные операции
- Самообучается, чтобы распознавать новые схемы мошенничества
Этапы реализации
- Архитектура потоков данных
Мы разработали схему потока транзакций:
- Kafka Streaming для обработки в реальном времени
- PostgreSQL + ClickHouse для хранения
- Spark/Databricks для обработки и анализа исторических данных
- Сбор и очистка данных
Автоматизировали сбор информации о транзакциях, включая:
- Геопозицию клиента
- Устройство и браузер
- Историю покупок
- Частоту операций и временные паттерны
Осуществили очистку и обогащение данных.
- Разметка и обучение модели
Собрали базу реальных случаев мошенничества, сделали feature engineering, подготовили обучающую выборку.
Для выявления фрода использовали:
- CatBoost / LightGBM (градиентный бустинг)
- PyTorch (нейронные сети)
- Алгоритмы поиска аномалий (Isolation Forest, DBSCAN)
- Интеграция в онлайн-процессинг
Модель встроена в поток транзакций через REST/gRPC сервис.
Реакция на подозрительную операцию:
- Мгновенная блокировка
- Запрос подтверждения через SMS/e-mail/биометрию
- Логирование и уведомление службы безопасности
Результат
- Сокращение убытков от мошенничества на 68% за первые 3 месяца
- Реакция на подозрительные операции — до 200 мс
- Более 95% точности при обнаружении фрода в тестовой среде
Адаптивность к новым сценариям без ручного перепрограммирования
