ML модуль для скоринга от компании «БПС Инновационные программные решения»

Компания «БПС Инновационные программные решения» представила модуль Machine Learning (ML) Service, который входит в Систему предотвращения мошенничества (Реестровая запись №3625 от 28.06.2017) и позволяет фрод-офицерам, самостоятельно тренировать модель данных. Данный модуль использует алгоритмы машинного обучения для повышения эффективности борьбы с мошенничеством. Об этом CNews сообщили представители «БПС Инновационные программные решения».

В настоящее время данный модуль обеспечивает функционал скоринга транзакций. Система автоматически анализирует операции, присваивая им оценку риска в режимах предотвращения и обнаружения мошеннических действий. Как это работает: ML?скоринг реализован как один из типов проверок в механизме правил Системы предотвращения мошенничества. Модели машинного обучения создаются и проходят обучение на массиве исторических данных, что позволяет учитывать типичные паттерны мошеннических операций. Внедрение ML Service повышает точность выявления подозрительных транзакций и снижает нагрузку на аналитиков за счет автоматизации рутинных процессов.

«БПС Инновационные программные решения» предлагает три формата реализации ML-модуля. Во-первых, стандартизированная модель для скоринга (банк получает себе стандартизированный сервис и может его самостоятельно настраивать, обучать и т.д.). Вторая модель работы — сервис по разработке оптимальной архитектуры модуля (кастомизация командой БПС) под размеченный обезличенный набор исторических данных (датасет) — ориентировочный срок разработки такого варианта занимает около месяца. И третий вариант — это самостоятельное формирование модели на стороне клиента (для банков с необходимой инфраструктурой и критическими данными) с последующим внедрением его в экосистему предотвращения мошенничества от БПС.

ML-модуль разработан с учетом требований банковской инфраструктуры: легкость развертывания, может быть развернута как в контейнере, так и в импортозамещенной среде-аналоге; автономность, модуль работает независимо от основных приложений SVFM (ядро, модуль поведенческого профилирования, веб-интерфейс); ресурсная независимость, не конкурирует за ресурсы с другими компонентами системы, что гарантирует стабильную работу и высокую производительность; гибкость, позволяет создавать модели под конкретные требования заказчика — от кредитного скоринга до выявления мошенничества.

«ML-модуль для скоринга от БПС может упростить и автоматизировать анализ транзакций за счет обучения модели на исторических данных. Модель может быть обучена для выявления аномалий, нетипичных взаимосвязей и корреляций данных, что существенно облегчает потом прогноз и выявление типов мошенничества. Это возможность извлекать знания из массива данных для дальнейшего использования их при противодействии мошенничеству в помощь к основным аналитическим моделям и правилам, что в целом повышает эффективность системы. Безусловно, важна разметка данных, поскольку именно на этом обучается модель. И от качества разметки зависит уже качество модели, которая может быть развернутся на стороне банка», — сказал Максим Кузин, менеджер продукта «Система предотвращения мошенничества», «БПС Инновационные программные решения».