Тинькофф: ML-модель пресекает свыше 90% кредитных заявок под давлением мошенников

Банки сталкиваются с ситуациями, когда клиент находится под воздействием социальной инженерии, сам этого не осознаёт, не верит сотрудникам банка и настаивает на переводе денег мошенникам. По словам Олега Замиралова, заместителя руководителя Центра экосистемной безопасности «Тинькофф», переубедить такого клиента на этапе транзакции бывает трудно. Задача — выявлять кредиты, которые клиент оформляет не по своей воле, ещё на этапе заявки, до получения и вывода кредитных средств. Так у банка появляется дополнительный эшелон защиты к прерыванию мошеннических звонков и блокировке подозрительных транзакций.

В «Тинькофф» разработали модель на основе машинного обучения, которая выявляет мошенничество на этапе подтверждения заявки на кредит. Скоринг, который ранее использовался для проверки кредитоспособности клиента, усилили признаками и параметрами, указывающими на потенциальное мошенничество. Для этого проанализировали несколько миллионов заявок, включая оформленные под воздействием социальной инженерии. Среди признаков — социально-демографические факторы и аномалии в самой заявке, характерные для инструкций мошенников. Модель прогнозирует воздействие третьих лиц при оформлении заявки и посылает сигнал сотрудникам банка, чтобы они перепроверили заявку и при подозрении на мошенничество отклонили её.

Банк тестирует модель в формате пилота с конца 2023 года. Результаты Олег Замиралов представил на Уральском форуме по кибербезопасности в финансах; CNews опубликовал их 15 февраля 2024 года. По его словам, пилот показывает высокую эффективность: с помощью модели удаётся пресекать свыше 90% заявок на кредит наличными, оформленных под воздействием мошенников. Если банк понимает, что заём оформляется клиентом не по своей воле, заявку отклоняют. Особенность этого эшелона защиты в том, что банку не нужно переубеждать клиента отказаться от перевода мошеннику.