«Тинькофф Банк» научился выявлять заявки на кредиты, поданные под влиянием мошенников, сообщил «РИА Новостям» замруководителя Центра экосистемной безопасности банка Олег Замиралов.

«В "Тинькофф" разработали ML-модель, которая позволяет выявить мошенничество с кредитами на этапе подтверждения заявки. Эта модель способна с высокой точностью прогнозировать воздействие третьих лиц при оформлении клиентом заявки и посылать сигнал сотрудникам банка, чтобы они перепроверили заявку и в случае подозрения на мошенничество отклонили её», — рассказал он.

Замиралов добавил, что в основе технологии лежит система оценки кредитоспособности потенциального заёмщика, основанная на численных статистических методах, усиленная антифрод-логикой: «Для этого мы проанализировали миллионы заявок, включая кейсы, когда клиенты подают заявку на кредит под воздействием социальной инженерии, выявили различные факторы в поведении и другие признаки, которые могут указывать на мошенничество».

20 февраля, 2024

Подписаться на новости BIS Journal / Медиа группы Авангард

Подписаться
Введите ваш E-mail

Отправляя данную форму вы соглашаетесь с политикой конфиденциальности персональных данных

26.03.2026
Кто сможет работать в аккредитованной ИТ-компании с 2026 года
26.03.2026
FCA обновило правила отчётности о киберинцидентах и ​​сообщениях от третьих лиц
26.03.2026
Банки, операторы связи и УЦ смогут купить данные о россиянах у МВД
26.03.2026
Банкиры и безопасники — против уведомлений в МАХ
26.03.2026
Студентов научат внедрять кибербез на ранних этапах создания ПО
25.03.2026
«Этого достаточно, чтобы анализировать весь трафик рунета»
25.03.2026
«Представляется целесообразным» не брать деньги за использование VPN
25.03.2026
Cloudflare: Люди не понимают, что ИИ — это смена платформы
25.03.2026
Налоговый вычет только лично в руки?
25.03.2026
ЦБ РФ рекомендует не оставлять граждан в неведении

Стать автором BIS Journal

Поля, обозначенные звездочкой, обязательные для заполнения!

Отправляя данную форму вы соглашаетесь с политикой конфиденциальности персональных данных