Новый уровень защиты от банковского мошенничества протестировали учёные МГУ

Исследователи факультета ВМК МГУ имени М.В. Ломоносова разработали новые подходы для повышения надежности систем машинного обучения, применяемых в борьбе с банковским мошенничеством. Работа направлена на улучшение устойчивости моделей к так называемым «состязательным атакам» — случаям, когда злоумышленники подстраивают параметры транзакций, чтобы обмануть автоматические системы детекции. Исследователи протестировали несколько популярных алгоритмов машинного обучения — от логистической регрессии до градиентного бустинга — на открытых наборах данных с реальными транзакциями. Первичные результаты показали высокую точность, однако при проведении атак эффективность моделей резко снижалась.. Чтобы решить эту проблему, ученые применили методы повышения робастности — устойчивости к внешним вмешательствам. Были протестированы фильтр Калмана, экспоненциальное сглаживание и метод главных компонент (PCA), а также состязательное обучение. В результате удалось существенно повысить надежность: метрики качества при атаке выросли. Разработка может лечь в основу более защищенных антифрод-систем в банках и платежных сервисах. Источник: CNews.ru #IT_News #кибербезопасность #ИИ