ПРИМЕНЕНИЕ ТЕХНОЛОГИИ BIG DATA ДЛЯ ОБНАРУЖЕНИЯ МОШЕННИЧЕСТВА В ФИНАНСОВЫХ ОПЕРАЦИЯХ

АННОТАЦИЯ

В статье рассмотрен ряд важных теоретических и прикладных аспектов использования подходов обработки больших данных в обнаружении и пресечении мошеннических действий в финансовых операциях; показано содержание категории «Big Data», а также система концептуальных взаимосвязей, существующих между источниками, принципами и методами обработки больших данных.  Продемонстрирована возрастающая актуальность исследований в данной области, а также представлена характеристика и приведены алгоритмы функционирования антифрод-систем, ориентированных на интеллектуальный анализ стандартных профилей поведения пользователей финансовых услуг и предупреждение хищения денежных средств, а также систем противодействия легализации денежных средств криминогенного происхождения. Информация, представленная в статье может быть полезна специалистам в области информационной безопасности в финансовой сфере и ученым соответствующей научной специализации.  

ABSTRACT

The article examines a number of important theoretical and applied aspects of using big data processing approaches in detecting and suppressing fraudulent activities in financial transactions; shows the content of the "Big Data" category, as well as a system of conceptual relationships existing between sources, principles and methods of big data processing. The increasing relevance of research in this field is demonstrated, as well as the characteristics and algorithms of functioning of anti-fraud systems focused on the intelligent analysis of standard profiles of behavior of users of financial services and the prevention of theft of funds, as well as systems to counter money laundering of criminogenic origin. The information provided in the article may be useful to specialists in the field of information security in the financial sector and scientists of the relevant scientific specialization.

Ключевые слова: Big Data, методы обработки больших данных, мошенничество, предупреждение преступлений в финансовой сфере, противодействие легализации, искусственные нейронные сети, антифрод-системы.

Keywords: Big Data, big data processing methods, fraud, financial crime prevention, anti-legalization, artificial neural networks, fraud detection systems.

Введение

Возникновение термина «Big Data» связывают с вышедшей в 2008 г. в научном журнале «Nature» статьей директора Коалиции сетевой информации (CNI) и по совместительству редактора указанного издания К. Линча, в которой последний, рассматривая явление экспоненциального прироста объемов и разнообразия информационных массивов, используемых в современной жизни, предложил использовать данную дефиницию, в рамках концепции будущих изменений в системах обработки данных, для описания круга проблем, связанных с качественной и эффективной обработкой таких массивов[6].

Термин оказался весьма удачным, что уже в 2010-2011 вызвало его повсеместное распространение не только в научных, но и в деловых кругах. Сегодня под «Big Data понимают социально-экономический феномен, связанный с взрывным увеличением количества и ширины информационных потоков, присутствующих в самых разнообразных сферах человеческой деятельности, и параллельным развитием комплекса технологий, позволяющих осуществлять их структурирование и анализ.

Революционные изменения, вызванные появлением и совершенствованием цифровых технологий, а также результатами их интеграции во все без исключения области общественных отношений, закономерно породили значительное разнообразие важных проблем, одной из которых стало непрестанное возникновение новых разновидностей финансового мошенничества.

В частности, по результатам проведенных опросов с несанкционированным доступом к каналам связи сталкивались более 22% респондентов из числа жителей России, с цифровым мошенничеством в банковской и страховой сферах – 94% опрошенных[5]. При этом мошеннические операции, связанные с криптовалютами, токенами и прочими цифровыми финансовыми активами, в последние годы демонстрируют эксплозивную динамику: число поддельных финансовых токенов с 2020 по 2021 гг. возросло в 53,8 раза, с 2021 по 2022 гг. – показало увеличение на 41,1%, а согласно ряду экспертных оценок совокупная сумма похищенных в рамках высокотехнологичных преступлений мошенниками у россиян денежных средств в 2023 г. превысила 150 млрд. руб[1].

С учетом изложенного, актуальность исследований в области применения технологий Big Data для обнаружения и предотвращения различных типов мошенничества в финансовой сфере представляется несомненной.    

Анализ литературных источников

Отдельные стороны обозначенной выше проблематики рассматривались в работах Алешиной А.В., Котова А.В., Трошкова О.Г., Мещеряковой Н.Н., Кривоухова А.А., Кашиной М.А., Василенко Л.А.

Разработкой аспектов, связанных с использованием технологий Big Data в эконометрических исследованиях и экономическом моделировании, посвящены труды И.Н. Матюхиной, И.А. Птерова, О.И. Карасева, К.Е. Легчагова и др.

Криминалистическое применение соответствующих технологий и их использование в предупреждении и раскрытии преступлений в финансовой сфере стало предметом научного интереса таких авторов, как  Бахтеева Д.В., Бессонова А.А, Вострецовой Е.В., Воробьевой И.В., Гавриленко И.В, Павлушиной А.А. и Прохоровой Е.А.

Технологиям и методам работы с большими данными посвящены публикации Денисовой О.Ю., Мухутдинова Э.А., Григорьевой И.Г., Тунаковой Ю.А., Евремовой Н.Л. и проч.  

Методология

В исследовании применялись общенаучные методы обобщения, аналогии, анализа, синтеза и классификации, а также использовался ряд теоретических и эмпирических подходов (формализация, наблюдение, описание и проч.), позволивших охватить основные аспекты рассматриваемой проблематики и произвести ряд действий, направленных на их оценку.

Основная часть

Главным трендом первых десятилетий XXI в., пожалуй, может быть названа непрерывная цифровая трансформация всей системы социально-экономических отношений и постоянное появление множества технологий, прямо или косвенно связанных со сбором, хранением, обработкой и последующим использованием значительных массивов информации практически во всех без исключения сферах жизни. Такие примеры феноменов новой цифровой реальности, как социальные сети, онлайн платежи, интернет-банкинг и проч. служат источником все возрастающего потока информации, анализ которой может стать не только ключом, открывающим поистине безграничные возможности, но и использоваться в реализации значительного разнообразия криминальных схем, связанных с мошенническими действиями в финансовой сфере[2].

Приведенные на рисунке 1 сведения, характеризующие динамику изменения объема общемирового рынка  Big Data, свидетельствуют о том, что размер такого рынка менее чем за десятилетие показал увеличение более чем в 2,5 раза, а наблюдаемые здесь тенденции позволяют сделать вывод о его удвоении уже до 2030 года.

Рисунок 1. Изменение объема мирового рынка Big Data в 2015-2023 гг., млрд долл. США

При этом, не смотря на то, что сколь-либо формализованного и общепринятого определения категории «Big Data» не существует, под данным термином обычно понимаются не только некоторые массивы данных, отвечающих требованиям значительного объема и скорости его увеличения, но и множество принципов, методологических и прикладных подходов, используемых в решении задач, связанных с их сбором, хранением и обработкой, поиском определенных информационных блоков и практическим применением соответствующих приёмов и инструментов в решении конкретных задач.

Ключевые характеристики больших данных и генерирующих такие данные источников, принципы и обобщенный алгоритм их обработки, методы, используемые для таковой, а также взаимосвязи, существующие между всеми перечисленными элементами, отражены на рисунке 2.

Рисунок 2. Характеристики Big Data, принципы и методы их обработки[3]

Следует указать на то, что с учетом представленных выше тенденций, необходимость использования технологий, связанных с анализом больших данных, в решении задач противодействию различным мошенническим действиям в финансовой сфере, а значит – и популярность таких технологий показывает неуклонный рост.  При этом применение Big Data способно не только существенно повысить эффективность противодействия финансовым преступлениям, непосредственно связанным с хищением денежных средств, но и оказывает значительную поддержку в расследовании последующего вывода и легализации похищенного.

Посредством использования в обработке больших данных искусственных нейронных сетей (ИНС) и ряда других методов, в частности, реализуется эффективная оценка финансовых транзакций на предмет возможного мошенничества (т.н. «антифрод-системах»). Глобальный рынок таких систем с 2015 года показал более чем трехкратный рост, а его совокупный объем в 2023 г., по оценкам ряда специалистов, превысил 63,8 млрд долл. США.

Как правило, в процессе функционирования указанных систем проверке подлежат все без исключения проводимые транзакции, а непосредственному контролю подлежат такие их признаки, как: история транзакций, проведенных по банковской карте за определенный период времени; средняя и максимальная суммы транзакций, осуществленных ранее пользователем банковского счета (привязанной к такому счету карты); частота транзакций; географическая локализация получателей платежей и ряд других показателей, анализ которых позволяет с высокой вероятностью вычленить из всего потока операций транзакции, обнаруживающие существенное несоответствие с их типовым для каждого конкретного пользователя (физического или юридического лица) профилем. Помимо отмеченных, контролю в рамках деятельности антифрод-систем также могут подлежать и некоторые иные признаки, позволяющие проверить валидность банковских реквизитов получателей платежей, соответствие IP-адреса, с которого приходит запрос на совершение транзакции, с перечнем обычно используемых пользователем IP-адресов и проч.

Программная реализация перечисленных правил осуществляется с помощью различных алгоритмов, в основании которых может находится сразу несколько методов обработки больших данных, важнейшее назначение которых состоит в организации быстрого и качественного определения того факта, является ли лицо, предпринимающее попытку совершить транзакцию,  лицом, имеющим на это соответствующие права. При этом благодаря использованию технологий Big Data в ходе работы таких алгоритмов происходит формирование и постоянное обновление информационного массива, необходимого для интеллектуальной оценки поведения потребителя финансовых услуг и дифференциации «выбивающихся» из соответствующих поведенческих шаблонов его проявлений, способных указывать на попытку совершения мошеннических действий.

Таким образом, работа систем, подобных описанной, является цикличной и включает в себя несколько основных этапов (рисунок 3).

Рисунок 3. Алгоритм функционирования антифрод систем, основанных на технологиях Big Data

Еще одним немаловажным способом использования технологий, связанных с обработкой больших данных, в решении задачи обнаружения и предупреждения мошеннических действий в финансовой сфере, а также нивелирования наступления вредных последствий таких действий в случае их осуществления, является борьба с сокрытием и последующей легализацией денежных средств, полученных в результате противоправной деятельности.

Для формирования систем, способных эффективно справляться с отмеченной задачей, важно понимать, что процедура легализации имеющих криминальное происхождение денежных средств является поэтапной и включает в себя:

1) этап введения таких средств в денежный цикл, состоящий в приобретении ликвидных активов для последующей их реализации либо оплате различных банковских счетов в объемах, не превышающих величину, начиная с которой законодательно введен особый контроль;

2) этап сокрытия реальных источников происхождения средств, заключающийся в организации множества переводов таких средств на счета оффшорных банков, в целом ряде случаев, позволяющих осуществить сокрытие информации, необходимой для раскрытия и предупреждения, соответствующих преступления от национальных органов правопорядка, либо в операциях с фиктивными юридическими лицами;

3) этап интеграции, в ходе которого легализованные денежные средства, имеющие преступное происхождение, используются для осуществления вполне легальных операций (например, приобретения валюты, акций и прочих высоколиквидных активов) [4].

Платформы, основанные на технологиях Big Data, предоставляют соответствующим органам и службам самый широкий спектр возможностей к пресечению описанной выше практики и, в целом, функционируют по схеме, аналогичной представленному на рисунке 3 алгоритмы (анализ множества типовых для каждого из трех перечисленных этапов схем легализации преступных доходов, отслеживание и регистрация аномальных операций). 

Важно отметить, что не использующие технологии Big Data системы, основанные на традиционных алгоритмах и методах анализа данных, в решении задач, связанных с обнаружением фактов мошенничества в финансовых операциях, обладают весьма низкой эффективностью и ограниченной функциональностью. Что обуславливает необходимость дальнейшего развития и совершенствования специализированных программных комплексов и платформ.

С учетом изложенного, наиболее актуальными представляются такие направления эволюции методологии и инструментария обработки больших данных, в рамках которых на основании нескольких специализированных систем, способных выявлять отдельные признаки отдельных разновидностей мошенничества при финансовых операциях будут создаваться своего рода экосистемы, обладающие меньшей специализацией, но при этом совмещающие в себе возможности и достоинства каждого из входящих в их состав программных компонентов.

Выводы

Одним из ключевых элементов Big Data являются критерии отнесения к ним тех или иных массивов данных, включающие в себя значительный объем, разнородность, изменчивость, а также характеризуемых высокой скоростью генерации, предполагающей необходимость обеспечения столь же высокой скорости обработки информации.  Среди наиболее распространенных методов работы с большими данными выделяют методы машинного обучения, искусственные нейронные сети, предиктивную аналитику и статистический анализ.

Одной из наиболее востребованной областью применения технологий Big Data в обнаружении мошенничества в финансовых операциях являются так называемые «антифрод-системы», сочетающие в себе алгоритмы, механизмы и инструменты, способные, используя составление профилей и моделей стандартного поведения пользователей финансовых услуг, в целом ряде случаев выделить выбивающиеся из таких профилей операции и предотвратить факты неправомерного доступа к информации и денежным средствам.

Заключение

Резюмируя изложенное, необходимо констатировать исключительную важность дальнейшего развития технологий Big Data и их последовательной интеграции в системы, обеспечивающие предупреждение мошеннических действий в финансовых операциях. Значение подобных инструментов для успешного функционирования национальных финансовых систем сложно переоценить, поскольку одним из негативных, но закономерных эффектов взрывного развития цифровых технологий и экспоненциального увеличения размеров информационных массивов, которые необходимо оперативно и качественно обрабатывать, явилось использование таких технологий в противоправных целях. В этой связи существует объективная необходимость дальнейшего совершенствования методологического аппарата и формируемого на его основании инструментария, способного не только пресекать мошеннические действия в финансовой сфере, но и эффективно противостоять легализации криминогенных доходов, одним из ключевых источников являются такие действия.

Список источников:

1. Алешина, А. В. Финансовое мошенничество и цифровые технологии / А. В. Алешина, А. Л. Булгаков // Цифровые технологии и право : Сборник научных трудов I Международной научно-практической конференции. В 6-ти томах, Казань, 23 сентября 2022 года. – Казань: Издательство "Познание", 2022. – С. 17-28. – EDN TZPMJA.
2. Васильев С. А., Никонова И. А., Мирошниченко О. С. Банки, финансовые платформы и big data: тенденции развития и направления регулирования // Финансовый журнал. 2022. №5.
3. Коноплева Ю.А., Пакова О.Н., Дейч Ю.Р. Применение технологий Big Data на финансовых рынках. Вестник Северо-Кавказского федерального университета. 2022. №2(89). С. 58-64.
4. Павлушина, А. А., Гавриленко, И. В. Общие правовые институты процессуального права в информационном обществе: тенденции и перспективы развития // Российский юридический журнал. 2016. № 3. С. 10.
5. Сергеев А.Ю., Широкова О.В. Мошенничество в цифровом обществе в условиях социальных изменений // Цифровая социология. 2023. Т. 6, № 1. С. 59–71.
6. Электронный ресурс https://www.nature.com/nature/volumes/455/issues/7209