Проект

Yota повысила эффективность борьбы с мошенниками на 30% благодаря машинному обучению

Заказчики: Yota (Скартел)

Москва; Телекоммуникация и связь



Дата проекта: 2016/03 — 2016/12

Yota объявила в начале 2017 года о том, что созданная ее инженерами модель для выявления мошенников на основе их активности за шесть месяцев использования научилась определять мошенников на 30% эффективнее.

Инженеры Yota, используя алгоритмы машинного обучения и технологию BigData, создали модель, способную выявить мошенников на основе их активности. За короткое время результативность алгоритма выросла с 15% до 30%.

«Каждый клиент, делая привычные для себя действия, создает множество событий и оставляет свой информационный след. Наши IT-системы тщательно фильтруют, накапливают и анализирует эту статистику на предмет аномальной активности. Используемый подход характеризуется большим объемом обрабатываемой информации и в этом нам помогают технологии BigData, которые мы активно внедряем для повышения эффективности процессов компании», - отметил директор по информационным технологиям Yota Богданов Андрей.

В Yota выбрали один из множества алгоритмов машинного обучения - «дерево решений». Для обучения модели используются данные о фактических мошенниках, которые были обнаружены ранее. На вход подается агрегированная обезличенная статистика по этим пользователям: количество входящих и исходящих вызовов, средняя продолжительность вызовов, SMS- и MMS-активность, какими тарифами они пользуются, сколько времени являются клиентами мобильного оператора и многое другое. У каждого свойства свой вес при конечной оценке пользователя. При правильных обработке и анализе, они дают вероятностную характеристику клиента как мошенника.

Таким образом модель выстраивает профиль потенциального мошенника и ищет клиентов в базе с подобным паттерном поведения. Как и при любом анализе, существует множество пограничных и неявных значений. Каждый такой случай дает новые возможности для обучения. Поступающая информация позволяет обновлять модель и повышать ее точность. После обучения система узнает и реагирует на новые, ранее не выявленные или не выявляемые простым анализом методы мошенничества со стороны пользователей.

В результате использования алгоритма потери от деятельности мошенников снизились на 54%, а их количество уменьшилось за счет быстрого обнаружения. Это ломает их бизнес-модель и делает бессмысленными приемы фрода.