• 331

    Опубликовано проектов

  • 171

    Оставлено комментариев

Рейтинг рассчитывает взвешенные оценки. Система динамически пересчитывает показатели при каждом новом голосе, учитывая весовые коэффициенты и мультикритериальную оценку. В ближайшие две недели еще будут публиковаться новые проекты, которые сейчас заканчивают верификацию. Текущее значение рейтинга может демонстрировать нелинейную динамику.

← Вернуться к списку

AI-антифрод система

  • Руководитель проекта со стороны заказчика

    Олег Проскуряков

    ПАО ВТБ

    Начальник управления платформенных решений и технологического развития моделирования

  • Категория

  • Номинация

  • Цели

    Превентивная защита средств более 31 млн клиентов и снижение прямых финансовых потерь от кибермошенничества и социальной инженерии за счет трансформации антифрод-защиты: перехода от вендорских моделей к собственной высоконагруженной стриминговой платформе онлайн-скоринга.

    Ключевая цель — обеспечить персонализированную оценку риска каждой транзакции на лету (Real- Time) с помощью ансамбля самообучающихся ML-моделей при ультранизком времени отклика (SLA < 50 мс) без деградации клиентского опыта и роста ложных блокировок добросовестных операций.

  • Сроки выполнения

    январь, 2025 — октябрь, 2026
  • Год завершения проекта

    2026

  • Масштаб проекта

    50000 человеко-часов
  • Результаты

    1. Промышленный запуск: В боевой контур внедрены 7 специализированных AI-моделей (Retail, банкоматы/41-ФЗ, ДБО, карты, выявление дропов, 2 модели НСПК) и создан конвейер их бесшовного обновления.

    2. Потенциальный финансовый эффект: Предотвращенный ущерб от хищений составляет ~150 млн руб./год на стартовом пуле и до 500 млн руб./год при полном развертывании каскада моделей. Срок окупаемости проекта — от 6 до 18 месяцев.

    3. Защита клиентского опыта: На целевых порогах скоринга достигнуто снижение ложных блокировок добросовестных клиентов при сохранении объема выявляемого фрода.

    4. Операционный эффект: Вывод AI используется автоматически без ручных корректировок, что высвободило ресурсы аналитиков безопасности для работы над самыми свежими схемами, для которых данные еще не вызрели.

  • Уникальность проекта

    1. Экстремальный стриминговый инференс:

    впервые на отечественном рынке реализован одновременный онлайн-скоринг сразу 7 тяжелых моделей градиентного бустинга и расчет 200–300 динамических поведенческих агрегатов на лету за время менее 50 мс при нагрузке до 4300–5000 RPS и потоке 130 млн операций в сутки.

    2. Замкнутый промышленный MLOps-конвейер («Фабрика моделей»):

    внедрен автоматизированный цикл с контролем дрейфа данных и стабильности скора (Gini, PSI, SSI ). При изменении паттернов мошенников срабатывает триггер на дообучение моделей, а вывод новых моделей идет через теневой (Shadow) контур без остановки процессинга.

    3. 100% технологический суверенитет:

    решение полностью создано инхаус на базе отечественного системного ПО (AstraLinux, Tarantool) и передового OpenSource (Kafka, Flink) на оборудовании из реестра Минпромторга, полностью заменив проприетарные зарубежные аналоги.

  • Использованное ПО

    • Отечественное ПО:

    ОС AstraLinux, СУБД Tarantool (горячий in-memory кэш агрегатов)

    ● Потоковая обработка и разработка:

    Apache Kafka, Apache Flink (Stateful Stream Processing), Java, Hadoop (хранение логов и ретро-данных).

    ● ИИ и алгоритмы:

    собственные ансамбли градиентного бустинга (7 специализированных ML-моделей)

  • Решение из каталога Global CIO

    В проекте не используются решения из каталога Global CIO

  • Сложность реализации

    1. Экстремальный Highload и SLA:

    Обеспечение отклика < 50 мс на одновременный прогон 7 моделей и 300 агрегатов при средней нагрузке 2000 RPS, рабочей пиковой 4300 RPS и стресс-тестах до 5000 RPS (130 млн транзакций и 1,3 ТБ данных в сутки).

    2. Архитектурный масштаб:

    Развертывание системы на десятках геораспределенных хостах и оркестрация более 40 сложных интеграционных потоков (32 потока скоринга, 5 потоков генерации фичей, 10 сигнальных и управляющих потоков).

    3. Организационная сложность:

    Синхронизация 20 самостоятельных команд из 4 департаментов банка и бесшовная интеграция в критический платежный тракт 24/7 без остановки бизнес-процессов.

  • Описание

    Предпосылки и бизнес-вызов:

    Рост объемов и изощренности мошенничества и социальной инженерии показал ограниченность символов классического антифрода.

    Универсальные вендорские модели не учитывали специфику именно наших клиентов Банка. И показывали результаты хуже разработанных инхаус моделей. Требовался переход к гибкой, персонализированной оценке поведенческого профиля клиента в реальном времени.

    Архитектура решения:

    Разработана и введена в промышленную эксплуатацию высоконагруженная распределенная стриминговая платформа, разделенная на два отказоустойчивых контура:

    1. Контур потокового расчета признаков (SLA обновления < 1 сек): Транзакционный поток (1,3 ТБ/сутки) непрерывно обрабатывается связкой Apache Kafka и Apache Flink. На лету рассчитывается до 300 сложных поведенческих и сессионных агрегатов. Состояния сохраняются во Flink State для мгновенного восстановления при сбоях и реплицируются в горячий in-memory кэш на базе отечественной СУБД Tarantool.

    2. Контур ультрабыстрого онлайн-инференса (SLA < 50 мс): По защищенным TCP-сессиям система антифрода запрашивает скор. За время менее 50 миллисекунд платформа поднимает агрегаты из Tarantool, параллельно исполняет до 7 специализированных моделей градиентного бустинга и возвращает предиктивный вердикт для автоматического управления транзакцией.

    Интеллектуальное ядро и

    прозрачность:

    Для исключения риска галлюцинаций и обеспечения 100% математической интерпретируемости для регулятора (161-ФЗ) применены кастомные модели градиентного бустинга. Модели сегментированы по каналам и типологиям угроз: общая транзакционная модель, защита снятий в банкоматах (в рамках 41-ФЗ), мониторинг ДБО и QR операций, карточный контур, выявление дропперских счетов и индикаторы подозрительных операций НСПК.

    Вокруг ядра развернут контур MLOps: репозиторий моделей, на стриминговой системе реализован режим с поддержкой теневой обкатки (Shadow mode), логирование в Hadoop и платформа контроля качества.

    Управление проектом:

    Масштабная трансформация выполнена за 9 месяцев силами 20 кросс- функциональных команд (Data Science, разработка стриминга, безопасность, прикладной антифрод).

    Благодаря двухуровневому планированию и сквозному трекингу в системе «Сфера.Задачи» проект завершен точно в срок и без отклонений от бюджета.

  • География проекта

    Вся Россия

Комментировать

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

  • Заказчик

    ПАО Банк ВТБ

Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.