Цифровой щит: как ИИ защищает финансовую сферу от новых форм кибермошенничества

Абылайхан Азаматов, эксперт по машинному обучению и разработчик систем для предотвращения мошенничества, рассказал о ключевых угрозах для финансовой сферы и о том, как искусственный интеллект помогает им противостоять.

С 13 марта в Казахстане вступили в силу поправки в Административный кодекс, ужесточающие наказание за нарушения в сфере защиты персональных данных и использования электронной цифровой подписи (ЭЦП). Штрафы за незаконный сбор и обработку данных выросли втрое, а за использование чужой ЭЦП теперь отвечают обе стороны — и тот, кто передал ключ, и тот, кто его использовал. Но законодательные меры — лишь часть решения для повышения защиты персональных данных и борьбы с мошенничеством. Современные схемы киберпреступников требуют столь же технологичных способов защиты. В этом направлении работают ведущие специалисты по кибербезопасности, и их решения уже внедряются в крупнейших финансовых институтах страны. Абылайхан Азаматов, главный эксперт по языковым моделям, разработал целый ряд защитных решений для финансовой сферы. Разработанная им антифрод-система до сих пор обеспечивает безопасность операций юридических лиц в одном из крупных банков, а система защиты для одной из крупнейших криптобирж Latoken отражает атаки автоматизированных ботов. Как именно ИИ противостоит новым видам мошенничества, какие угрозы считаются самыми опасными сегодня, и что ждет финансовую сферу в будущем — разбираемся в деталях с Абылайханом Азаматовым.

Какие сегодня существуют угрозы

Современные мошенники постоянно совершенствуют свои методы, используя уязвимости цифровых систем и человеческий фактор. Финансовые организации Казахстана ежегодно сталкиваются с новыми видами киберпреступлений, которые требуют принципиально иных подходов к защите, говорит Абылайхан Азаматов. Среди наиболее опасных для банков и клиентов направлений атак он выделяет три:

1. Кредитное мошенничество

Преступники массово используют поддельные документы или утекшие данные для оформления займов. Взломанные базы данных и технологии deepfake делают такие атаки особенно изощренными — традиционные методы верификации часто не справляются.

2. Транзакционные атаки

От сомнительных операций с помощью украденных банковских карт или логинов от интернет-банкинга до сложных схем с перехватом сессий клиента. Новый тренд — манипуляции с реквизитами переводов в реальном времени, когда жертва сама подтверждает операцию с измененными данными. 

3. Арбитражные бот-атаки

Автоматизированные системы искусственно создают дисбаланс на биржах, зарабатывая на разнице цен. Это не просто нечестная практика — такие атаки могут парализовать торговые платформы, как это случалось с рядом криптобирж в 2023 году.

Абылайхан Азаматов, эксперт по машинному обучению и разработчик систем для предотвращения мошенничества

Эти угрозы невозможно нейтрализовать ручными проверками. Скорость и масштаб атак требуют таких же технологичных решений. 

Именно такие системы он разрабатывает, сочетая методы машинного обучения и поведенческого анализа.

Как искусственный интеллект защищает наши деньги

Современные мошеннические схемы становятся настолько сложными, что обнаружить их человеческим силами уже невозможно. На помощь приходят интеллектуальные системы, способные анализировать миллионы операций в реальном времени и выявлять даже самые хитроумные атаки. Именно такие решения создает Абылайхан Азаматов.

В банке антифрод-система для юридических лиц, созданная под его руководством на основе целого ансамбля алгоритмов машинного обучения, сократила уровень мошенничества на 25%.

Абылайхан Азаматов, эксперт по машинному обучению и разработчик систем для предотвращения мошенничества

Это как сотни опытных аналитиков, работающих одновременно. Система оценивает каждую операцию клиента по множеству параметров: от скорости ввода данных до геолокации устройства. Операции с отклонениями от обычного поведения клиента помечаются как подозрительные. 

Искусственный интеллект в подобных решениях позволяет мгновенно во всем потоке операций выявлять подозрительные операции и «сигнализировать» о возможном мошенничестве. Без этого инструмента финансовые организации уже не могут обеспечить безопасность своих клиентов, говорит Азаматов. Благодаря его разработкам и подходу к созданию интеллектуальных моделей, банк может не просто фиксировать факты мошенничества задним числом, а предотвращать их прямо в момент совершения транзакции.

Как вычисляют торговых ботов на бирже 

С новой угрозой в последние годы столкнулись и торговые биржи — армии автоматизированных ботов искажают рыночную ситуацию. Эти программы способны способны совершать сотни операций в минуту, создавая ложную рыночную активность, манипулируя курсами и перегружая системы бирж. Ущерб от их вмешательства значителен и для системы, и для пользователей: платформа работает нестабильно, частные трейдеры теряют деньги на волатильности и манипуляциях, падает их доверие к торговой площадке. Традиционные системы защиты часто не справляются, поэтому Азаматов предложил другой подход. Вместо поиска по шаблонам она анализирует поведенческие аномалии: скорость запросов, повторяемость действий, подозрительные IP-адреса и технические маркеры. Решение Азаматова использует криптобиржа Latoken. Результат — количество активных ботов снизилось на 50%, а общая безопасность и стабильность биржи выросли на 30%.

Абылайхан Азаматов, эксперт по машинному обучению и разработчик систем для предотвращения мошенничества

Современные боты научились маскироваться под людей в единичных сделках, но выдают себя алгоритмической повторяемостью действий. Задача защитных систем — выявлять эти аномалии. 

Перспективы использования ИИ для финансовой индустрии

Абылайхан Азаматов ранее консультировал команды разработчиков и проводил аудит существующих ИИ-решений, помогая компаниям выстраивать более надежные процессы на стыке машинного обучения, компьютерного зрения и кибербезопасности. Среди направлений, с которыми он работал, — системы распознавания документов, способные определять не только текстовую информацию, но и выявлять признаки подделки или вмешательства в структуру документа.

Он убежден, что будущее защиты данных в финансовой сфере — за комплексными платформами, объединяющими поведенческий анализ, проверку цифровых следов и автоматическое сопоставление данных из разных источников.

Абылайхан Азаматов, эксперт по машинному обучению и разработчик систем для предотвращения мошенничества

Современная защита должна работать, как иммунная система —  предвосхищать угрозы, а не бороться с последствиями. Это должно стать стандартом безопасности в банковской и финансовой индустрии. 

Опыт Казахстана, где внедрение интеллектуальных антифрод-решений уже дает ощутимые результаты, показывает: будущее финансовой безопасности — за адаптивными системами, способными учиться на новых угрозах. И ключевую роль в этом играет не только развитие технологий, но и подготовка экспертов, способных их эффективно применять.

Автор: Екатерина Бучникова