Система противодействия мошенничеству Sber AntiFraud Platform

В отчетном периоде (01.11.2025 — 01.11.2026) перед командой стояла задача масштабировать созданную ранее антифрод-платформу Sber AntiFraud Platform, превратив ее из внутреннего инструмента банка в экосистемный стандарт безопасности и внедрить генеративный ИИ (GenAI) в промышленные процессы.

Задачи проекта:

·       Создать внутрибанковскую Единую систему управления рисками.

·       Масштабировать AntiFraud HUB на внешних партнеров (банки, телеком, ритейл, госсектор) для создания «коллективного иммунитета».

·       Достичь и удерживать показатели производительности (760+ млн транзакций/сутки, 25 000 tps) и точности (99,9%) в режиме реального времени.

·       Качественно повысить эффективность работы решения за счет искусственного интеллекта

·       Внедрение CoPilot для аналитиков на базе LLM, чтобы ускорить создание новых алгоритмов.

Измеримые результаты за отчетный период:

Предотвращённый ущерб клиентам: 220+ млрд рублей за 9 месяцев 2026 года.

Охват: 110+ млн клиентов, 1 900+ продуктов, 86 партнёров в AntiFraud HUB (9 отраслей).

Производительность:

·       Транзакции: 760+ млн/сутки, 25 000 tps.

·       Расчёты: 50+ млн расчётов/секунду

·       AntiFraud HUB: 10 млн событий/сутки.

·       SLA: < 200 мс.

Точность: 99,9% обнаружения мошенничества (внутренний бенчмаркинг, точное значение конфиденциально)

Надежность: 99,99% в Hi-season

Эффективность GenAI:

·       В промышленной эксплуатации находится 4000+ алгоритмов, 95% из которых создано или доработано с помощью CoPilot за отчетный период.

·       95% рутинных запросов аналитиков закрыто автоматически.

Технологический стек (полностью отечественный):

Platform V SberLinux OS Server, Platform V DropApp, Platform V Synapse Service Mesh, Platform V Pangolin SE, Platform V Datamarts, Platform V SynGX, Platform V Corax, SecMan, Platform V IAM Proxy, Platform V SOWA, Platform V DataGrid, LBOSSE, серверы с архитектурой x86.

AI/ML: GigaChat, собственная Low-code среда для AI-агентов, RAG-портал, CoPilot на базе LLM.

Главные вызовы отчетного периода и их преодоление: 

Единая система управления рисками: унификация алгоритмов смежных систем под антифрод-платформу потребовала привести к единым стандартам домены с разной логикой, данными и ИТ-ландшафтами.

AntiFraud HUB: Подключение 86 организаций с разными ИТ-ландшафтами потребовало создания универсального Plug&Play API с ИИ-контролем данных. Это обеспечило быстрый и безопасный обмен индикаторами без доработок на стороне партнеров.

Внедрение GenAI: Использование LLM (GigaChat) в антифроде требует гарантии отсутствия галлюцинаций и строгого соответствия регламентам информационной безопасности.

Надежность 99,99%: В периоды сезонных распродаж и зарплатных дней нагрузка возрастает кратно. Благодаря in-memory архитектуре и конвейеру ML-моделей система выдерживает все пики без деградации сервиса.

•       Исходная ситуация

Что было до начала проекта? Какие ограничения, проблемы или особенности бизнеса необходимо было учитывать?

К началу отчетного периода (ноябрь 2025) Сбер завершил крупнейшую в истории финтеха миграцию на собственную антифрод-платформу SAFP. Однако перед командой встал новый вызов: система должна была не просто работать внутри банка, а стать единым контуром безопасности для всей экономики (через партнеров), а также качественно повысить эффективность работы сотрудников и системы за счет искусственного интеллекта.

•       Реализованное решение

Что именно было внедрено? Какие системы, технологии и процессы были затронуты?

В отчетном периоде (ноябрь 2025 — ноябрь 2026) были реализованы три ключевых блока:

1.     Единая система управления рисками: создан единый внутрибанковский контур защиты для всех направлений бизнеса— от программ лояльности до международных операций (СберСпасибо, Риски, банк Индии).

2.     Масштабирование AntiFraud HUB: Запущены интеграционные шлюзы для 86 партнеров (банки, телеком, маркетплейсы, госсектор). Обеспечен безопасный API-обмен индикаторами мошенничества в реальном времени (10 млн событий/сутки).

3.     Промышленное внедрение GenAI: В интерфейсы платформы внедрен CoPilot для фрод-аналитиков на базе LLM (GigaChat). Развернута Low-code среда для создания AI-агентов и RAG-портал для управления знаниями. Это позволило автоматизировать рутину и ускорить создание алгоритмов.

•       Изменения после внедрения

Как изменились процессы, работа сотрудников, взаимодействие с клиентами или управление компанией после завершения проекта?

Для Банка: Единая система управления рисками. Создание универсальной платформы внутри банка позволило сократить затраты за счёт отказа от разрозненных решений.

Для бизнеса: предотвращён ущерб на 220+ млрд рублей за 9 месяцев 2026 года. Защита — 110+ млн клиентов и 1 900+ продуктов.

Для партнеров: 86 организаций получили доступ к «коллективному иммунитету». Выявление мошеннических кейсов у партнеров выросло на 70%.

Для сотрудников: Аналитики избавились от 95% рутинных запросов. Большая часть рабочего времени теперь тратится на проактивный поиск сложных схем, а не на разбор типовых кейсов.

Для страны: Платформа стала прототипом национальной системы противодействия мошенничеству.

Россия. Разработка и сопровождение — геораспределенная команда в 9 регионах РФ. Внедрение — во всех регионах присутствия ПАО Сбербанк. AntiFraud HUB — 86 партнеров по всей России.