Исследования по разработке методов противодействия мошенничеству в финансовых организациях с применением машинного обучения

Объектом исследования являются методы машинного обучения, адаптация и встраивание которых в процессы противодействия мошенничеству, позволят финансовым организациями быть более устойчивыми к рискам, связанным с мошенническими действиями. Цель работы - разработка метода, позволяющего эффективно выявлять случаи мошенничества в финансовых организациях за счет использования машинного обучения и транзакционных данных. Методы исследования, кроме используемых приборов и аппаратуры Основными методами в работе являются построение процесса сбора и подготовки данных о фактах мошенничества, разработка новых признаков транзакций и применение машинного обучения для создания правил принятия решений в системах оценки транзакций на риск мошенничества. Достигнутые результаты Разработаны методы, которые позволяют повысить эффективность применения машинного обучения в задачах обнаружения мошенничества. Улучшение качества выявления достигается за счет корректировки разметки данных, добавления новых атрибутов и автоматизации формирования правил в системах мониторинга транзакций финансовых организаций. Новизна В ходе проведенного исследования получены следующие новые результаты. • Впервые предлагается метод повышения эффективности в задачах выявления мошенничества за счет корректировки целевого класса с помощью нейронной сети, что позволяет сбалансировать данные для использования методов машинного обучения и устранить проблемы дрейфа концепции. • Предлагается новый способ комбинирования традиционного экспертного подхода и машинного обучения, который повышает эффективность системы фрод-мониторинга. Метод заключается в использовании составных частей правил, созданных экспертами, для генерации новых, более эффективных правил с помощью машинного обучения. • Предложены методы создания новых признаков операций и претензий, улучшающих качество выявления мошенничества. Внедрение Результаты работы внедряются в систему мониторинга мошенничества на одной из крупнейших платформ электронной торговли и используются в крупных банках и страховых компаниях. Эффективность Проведение экспериментов на реальных данных, включая открытые источники и конфиденциальные данные финансовых организаций, позволило оценить эффективность предложенных методов. В результате каждый из методов продемонстрировал рост качества обнаружения мошенничества при его использовании. Область применения Методы, разработанные в данной работе, могут быть использованы финансовыми организациями для улучшения характеристик систем мониторинга транзакций на риск мошенничества.