DOI: 10.17587/prin.13.247-256

УДК: 004.9

Построение шкалы выявления мошеннической деятельности в сети Интернет с помощью машинного обучения

Л. В. Жукова, ст. препод.¹, вед. аналитик-математик⁴, lvzhukova@hse.ru, И. М. Ковальчук, аспирант², ст. аналитик⁴, ikovalchuk@ec-leasing.ru, A. А. Кочнев, аспирант³, ст. аналитик⁴, akochnev@ec-leasing.ru, B.Р. Чугунов, ген. директор⁴, vchugunov@ec-leasing.ru
¹ Национальный исследовательский университет "Высшая школа экономики", Москва,
² ФГБОУ ВО "МИРЭА — Российский технологический университет,"
³ РЭУ имени Г. В. Плеханова, Москва,
⁴ ЗАО "ЕС-лизинг", Москва

Повсеместная цифровизация общества и развитие информационных технологий способствуют увеличению методов взаимодействия между финансовыми организациями и потенциальными потребителями финансовых услуг. В то же время появление новых финансовых продуктов неизбежно ведет к росту угроз, а использование информационных технологий содействуют постоянному "совершенствованию" мошеннических схем и недобросовестному оказанию услуг, негативно влияющих как на финансовый рынок в целом, так и на его отдельных участников, таких как финансовые организации и их клиенты. В связи с развитием современного общества большая часть финансовых операций, в том числе мошеннических, перешла в Интернет. При удаленном оказании услуг сложнее отследить и привлечь бенефициара к ответственности, однако способы пресечь мошенническую деятельность все равно есть, но они обусловлены высокими трудозатратами на мониторинг и анализ, потому что в сети Интернет расположены огромные объемы неструктурированной информации (BigData). В основе решения выявления нелегальной деятельности на финансовом рынке лежит разведка на основании открытых данных, применение методов машинного обучения и методов системного анализа. В статье рассмотрены виды финансовых услуг, предоставляемых в сети Интернет, среди которых наиболее распространена мошенническая деятельность. Для выявления нелегальных финансовых услуг выделены и сгруппированы критерии в зависимости от вклада в принятие решения. Основным результатом исследования является построение шкалы комплексного индикатора, с помощью которого разработана математическая модель, основанная на выделенных критериях и методах машинного обучения, для выявления степени нелегальности финансовых услуг, оказываемых в сети Интернет.

Ключевые слова: противодействие недобросовестным практикам, финансовые услуги, интернет-мошенничество, машинное обучение, системный анализ, математическая модель, большие данные, комплексный индикатор, анализ открытых данных, мониторинг в сети Интернет

Стр. 247–256