1.
Антология антифрода:
переход к математическим
моделям с элементами
искусственного интеллекта
Алексей Сизов Евгений Колесников

2.
ОПРЕДЕЛИМСЯ С ПОНЯТИЯМИ
Антифрод эффективен
когда элементы ИБ
становятся компонентами
бизнес-процесса, и их
эффективность
оценивается влиянием
бизнес, удобство клиентов,
достижение SLA
2

3.
Историческая справка: требования
© 2017 Инфосистемы ДжетБольше чем безопасность 6
1989
Visa - Сбербанк,
MC – Внешэко-
номбанк
1992
первый
банкомат
в системе
Visa,
2003
требования
Visa по
мониторингу
операций
2005-2006
ДБО
юридических
лиц
ДБО
физических
лиц
2003
Антифрод
ПЦ
Антифрод
ДБО
(enterprice)

4.
Классическая модель угроз
Механика атака:
- skimming, e-comme
- Ключи, дистанционнка,
вредоностное ПО
- Социальная инженерия
- Внутренний фрод*
6

5.
Расширение на сегменты
© 2017 Инфосистемы ДжетБольше чем безопасность 6
- Атаки ДБО
используются в ЛК
- Уязвимости мобильны
приложений – проблема
любой компании
- Внутренний фрод
общий риск

6.
Функциональная модель атаки: примеры
© 2017 Инфосистемы ДжетБольше чем безопасность 6
Арм КБР Переадресация
sms операторов
связи

7.
Функциональная модель атаки: примеры
© 2017 Инфосистемы ДжетБольше чем безопасность 6
MITM
для
платежн
ых
шлюзов
Avito с
социальной
инженерией на
доступ в ДБО

8.
Функциональная модель атаки
© 2017 Инфосистемы ДжетБольше чем безопасность 6
Уязвимость технологии
Человеческий фактор
Уязвимость процесса

9.
 Объем данных в мире удваивается каждые 2 года
– и это 2,45 зеттабайта в 2017!!!
 Связанность данных удваивается каждые 1,5 года
 Квалифицированного сотрудников на рынке почти
НЕТ!
ПРОБЛЕМАТИКА

10.
Что у нас есть для построения такой
защиты?

11.
Архитектура

12.
© 2017 Инфосистемы ДжетБольше чем безопасность 12
 Создание правил
 Профилирование
 Математическое моделирование:
 Модели с учителем
 Выявление аномалий
 Контроль процессов и технологий
АHСЕНАЛ

13.
© 2017 Инфосистемы ДжетБольше чем безопасность 13
 Все, что поддается разделению на 2
категории
 Платеж по карте от мошенника или от
легитимного владельца
 П/п от бухгалтера или мошенника
 Списание баллов легальное или
мошенник
Бинарная классификация

14.
© 2017 Инфосистемы ДжетБольше чем безопасность 14
Бинарная классификация

15.
© 2017 Инфосистемы ДжетБольше чем безопасность 15
Бинарная классификация

16.
© 2017 Инфосистемы ДжетБольше чем безопасность 16
Проблемы
 Очистка данных
 Оверфитинг
 Производительность
 Выбор метрики качества

17.
© 2017 Инфосистемы ДжетБольше чем безопасность 17
Детекция аномалий
 Выявление любых отклонений от
«типичного»
 Анализ поведения ТСП
 Анализ работы кассира
 Анализ работы операциониста
 …

18.
© 2017 Инфосистемы ДжетБольше чем безопасность 18
Инструменты
 K-Means
 OneClass SVM
 IsolationForest
 Twitter AnomalyDetection
 … Neural Network

19.
© 2017 Инфосистемы ДжетБольше чем безопасность 19
Детекция аномалий
 K-Means
 OneClass SVM
 IsolationForest
 Twitter AnomalyDetection
 … Neural Network

20.
© 2017 Инфосистемы ДжетБольше чем безопасность 20
Проблемы
Самая главная проблема
Не интерпретируемый
результат

21.
PEOPLE vs MACHINE
© 2016 Инфосистемы ДжетБольше чем безопасность 21

22.
Спасибо!
тел. +7 (495) 411-7601 ул. Большая Новодмитровская, 14/1
www.jet.su