Криптоанклав ВТБ
- Заказчик:
- ПАО Банк ВТБ
- Год завершения проекта
- 2023
- Сроки выполнения проекта
- Июнь, 2022 - Июнь, 2023
- Масштаб проекта
- 40000 человеко-часов
- Цели
-
- Создать простой безопасный доверенный инструмент для сбора и анализа информации, который способствует оптимизации клиентского сервиса, банковских продуктов и повышению эффективности работы организации
- Гарантировать безопасность данных — как персональных данных граждан, так и коммерческих сведений о компаниях, которые стали предметом купли-продажи на открытом рынке
- Стимулировать обмен данными между игроками рынка
- Расширить взаимовыгодные партнерства и источники данных, доступные для совместного использования.
- Результаты
- Сейчас криптоанклав используется банком ВТБ в сфере коммуникаций, что позволяет создавать эффективные маркетинговые кампании, ориентируясь на особенности поведения разных сегментов потребителей, потребности и предпочтения действующих и потенциальных клиентов.
Уникальность проекта
ВТБ совместно с МФТИ первыми в России создали криптоанклав — решение для безопасного обмена данными между организациями, полностью базирующееся на импортозамещенных технологиях. В криптоанклав можно «отправить» любую информацию — и после отработки AutoML-алгоритмами получить прогнозы без риска утечки исходных данных. Не имеет аналогов в России.- Проект решает задачи импортозамещения
- Да
- Использованное ПО
- Сертифицированные средства защиты информации
- Сложность реализации
- Значительная длительность проекта
- Большое количество организаций, участвующих в проекте
- Большое количество объектов управления и объем работ
- Значительное количество областей профессиональных компетенций
- Описание проекта
- Криптоанклав — российский ПАК (программно-аппаратный комплекс), разработанный экспертами ВТБ и МФТИ на импортозамещенных технологиях для безопасного обмена данными между организациями, не имеет аналогов в России.
Решение —- помогает организациям безопасно передавать информацию в зашифрованную область (криптоанклав), где данные объединяются и анализируются,
- строит прогнозные модели на основе объединения данных различных источников
- анализирует большие данные, цифровой след целевой аудитории, что позволяет компаниям оценивать риски, создавать персонифицированные предложения и таргетированные коммуникации для клиентов, тем самым совершенствуя сервис, продукт и оптимизируя работу организации(банка)
- объединяет набор процедур, направленных на последовательное и эффективное внедрение и поддержку разработанных в анклаве моделей машинного обучения(ML).
В основе решения лежит концепция Data Fusion (пер. с англ. «слияние данных») — подход к работе с большими данными из разных источников, что позволяет отдельным компаниям получить доступ к накопленным знаниям и опыту всего рынка.
Криптоанклав представляет собой специализированный комплекс, защищенный физически и программно. Используя его, различные компании, например, банки и сотовые операторы, в будущем смогут передавать массивы данных в защищенное криптошифрованием пространство. Информация в нем может храниться и обрабатываться по принципу «черного ящика» — в зашифрованном виде, без доступа к ней человека.
Задача извлечения из общего массива данных прогнозов и построения моделей полностью лежит на AutoML-алгоритмах — роботах внутри криптоанклава. Для анализа этих данных применяются строго регламентированные алгоритмы: в криптоанклав можно отдать любые данные, а получить обратно на различные устройства — информацию в форме прогнозов и рекомендаций. То есть не сами данные, а только результаты применения AutoML-алгоритма на нужной выборке данных.
Данные из разных источников объединяются и обрабатываются с помощью AutoML-алгоритмов, а результаты становятся доступны организациям-партнерам. Такой сценарий взаимодействия означает, что компания получает безопасный доступ к различным наборам данных, предоставленных партнером или партнерами, но в то же время, могут взаимодействовать исключительно с результатом их обработки и не могут никаким образом вмешаться в процесс.
Решение потенциально полезно в таких сферах как кредитный скоринг, прогнозирование рисков, разработка новых продуктов, геоаналитические сервисы, маркетинговые коммуникаций на основе более узкого сегментирования клиентов по поведенческим группам. Обладает функционалом для противодействия мошенничеству: выявляет подозрительные финансовые операции (например, пользователь со стабильным доходом и накоплениями резко снимает все деньги и пытается перевести их на другие счета).
Продукт потенциально интересен коммерческим и госструктурам, применим в медицинской диагностике, для создания CRM-моделей (В2С, скоринговых моделей для банков). Основной фокус для развития решения сегодня — интеграция коммерческих и государственных данных. В перспективе в банковской сфере рутинные функции (пролонгация депозитов, контроль сбережений, персональные инвестиционные стратегии, исходя из данных о клиенте) могут быть переданы цифровому помощнику.
- География проекта
- Банк ВТБ, с потенциалом масштабирования на открытый рынок и использования игроками самых разных отраслей
