Kakao Pay: дообучаемая ML-модель антифрода выявляет новые схемы примерно на 30% лучше

Через Kakao Pay проходит 13 млн операций в день и более 400 млн в месяц. Система выявления мошенничества (FDS) при каждом переводе или платеже решает, нормальна ли операция; при риске учётную запись временно блокируют или операцию отклоняют. Правила ловят типовые схемы — крупные переводы за короткое время, вход с необычного IP-адреса, — но новые схемы и операции, похожие на обычные, их обходят. Мошеннические паттерны быстро меняются: при выходе новых игр и платёжных акций мошенничество появляется в товарах, где его раньше не было. Статичная модель, обученная один раз, такие случаи распознаёт плохо.

Команда платформы управления рисками Kakao Pay внедрила в FDS адаптивную ML-модель — в дополнение к правилам и ранее добавленному ML-выявлению. Она регулярно дообучается на свежих данных: процесс в Airflow по расписанию обучает модель на данных из Hadoop и хранилища признаков (HBase, Redis), загружает её в MLflow и сравнивает с рабочей моделью по полноте, точности и ложным срабатываниям; модель с лучшими показателями сразу разворачивается на Triton Inference Server. Вторая часть — самонастраивающиеся признаки, например доля мошеннических платежей по каждому виду товара за последний период. Их ежедневно пересчитывают по инцидентам, зарегистрированным в FDS, и они поднимают оценку риска ещё до дообучения модели.

Компания применила адаптивную модель к выявлению мошеннических платежей Kakao Pay в Google Play и App Store, где новые схемы часто появляются при выходе игр и платёжных акциях. При первом развёртывании адаптивная и статичная модели работали одинаково. После появления нового типа мошенничества доля выявления у обеих упала и снижалась до второго дня; адаптивная модель держалась немного выше за счёт самонастраивающихся признаков. С третьего дня, после дообучения и развёртывания обновлённой модели, её показатель снова вырос. По данным компании, улучшение доли выявления по сравнению со статичной моделью составило около 30%. Результаты представлены на конференции if(kakaoAI)2024 и в блоге компании в декабре 2024 года.