На ЦИПР-2025 T2 представила антифод-решение, позволяющее выявлять клиентов под воздействием мошенников или склонных к их влиянию. На базе big data модель анализирует весь спектр поведенческой активности абонента и ставит на мониторинг потенциально уязвимых клиентов. По результатам анализа пользователю присваивается скор-балл, при его увеличении до критической отметки оператор отправляет банку уведомление о рисковом событии. Это меняет подход к работе с проблемой мошенничества, так как он направлен на превентивную работу с наиболее доверчивыми клиентами.

Т2 предоставляет антифрод-продукт на базе алгоритмов big data банкам: за 6 месяцев он позволил предотвратить мошеннические операции в отношении 3000 клиентов на одного банка-партнера. Решение дополняет комплекс антифрод-мер, направленных на противодействие мошенничеству с использованием подмены номеров.

В компании используют дополнительный источник данных для более точных прогнозов с учетом изменчивости паттернов поведения мошенников. В феврале компания первой на рынке запустила горячую линию помощи клиентам после атаки мошенников. Обратная связь клиентов позволяет дополнительно анализировать тренды активности злоумышленников, актуализировать информацию о каналах коммуникации, обучать модели определителей спама и фрода.

Важное направление работы Т2 с банковским сектором – не только пресечение мошеннической активности в момент атаки на клиента, но превентивная работа по выявлению потенциально уязвимой аудитории. Алгоритмические модели помогают выявить в базе высокорисковых клиентов, которые имеют склонность вступать в контакт с мошенниками. По данным Т2, сейчас в высокой зоне риска с точки зрения подверженности социальной инженерии находится 0,1% абонентов. Антифрод-сервис Т2 позволяет банку-партнеру поставить на мониторинг номера клиентов, идентифицированных как потенциальных жертв, и получать уведомление о рисковом событии при росте значения скор-балла до определенного значения.

Антифрод-решение помогает анализировать вероятность нахождения клиента под воздействием мошенников в момент банковского события. Так, в момент подачи заявки на кредит или совершения транзакции банк направляет в сторону оператора запрос. Модель анализирует пользовательское поведение и сопоставляет c его привычными характеристиками по таким параметрам, как аномалии и изменения в паттерне общения при потенциальном контакте с мошенниками. Например, маркерами становятся возросшее количество и продолжительность звонков, входящих SMS, рост голосового трафика в мессенджерах. Результат анализа – скор-балл, на основании которого банк принимает решение об авторизации транзакции и запроса на выдачу кредита.

Rate this item
(0 votes)
Read 513 times

О нас

Журнал IT News+ Чувашия — старейшее печатное издание посвященное высоким технологиям, выходящие более 10 лет на территории Поволжья.

Наши читатели — образованные платёжеспособные люди в возрасте от 30 до 45 лет. Руководители компаний или люди занимающие высокие посты, которые следят за новинками в мире высоких технологий как в нашем городе, так и в мире. Проживающие по большей части в Чебоксарах, Москве, Санкт-Петербурге, Новочебоксарске.

Рекламные материалы отмечены знаком "Р".

 
Top
We use cookies to improve our website. By continuing to use this website, you are giving consent to cookies being used. More details…