"سامانه تشخیص تقلب پایا "محصولی برپایه تحلیل رفتار مشتریان

به گزارش گروه اقتصاد ،این روزها بحث کلان داده ها و نقش آنها در تسهیل و همچنین تامین امنیت تعاملات مالی بسیار شنیده می شود. سامانه تشخیص تقلب پایا نیز با اتکا بر این کلان داده ها، سازوکاری را طراحی نموده است که از طریق تحلیل رفتار مشتریان در هر سیکل سامانه پایا(هر روز ۷ سیکل) این امکان را در اختیار بانک مرکزی و در ادامه بانکها قرار دهد که هر گونه تغییر ناگهانی رفتار مشتریان را تحلیل نموده و به مسئولین امر جهت مدیریت آن هشدار دهد. در طراحی فعلی به اعلام هشدار و تاخیر در تسویه تا استعلام از بانک ها اکتفا شده اما در صورت رفع موانع قانونی و صد البته به صلاحدید بانک مرکزی احتمال ممانعت از انجام هر گونه تراکنش مشکوک نیز میسر خواهد شد.

امسال در جشنواره نوربخش ششمین همایش بانکداری الکترونیک و نظام های پرداخت "سامانه تشخیص تقلب پایا "موفق شد عنوان برترین محصول در نوآوری های شرکتی را برای شرکت خدمات انفورماتیک به همراه بیاورد؛ به این بهانه پای صحبت جلال الدین نصیری مدیر این پروژه نشستیم تا بیشتر در مورد جزییات این سامانه بدانیم؛ با ما همراه باشد:

سامانه پایا، زیرساخت مبادلات بین بانکی مبتنی بر شماره حساب است که به صورت انفرادی و یا دسته ای و انبوه، دستور پرداخت‌های متعدد را بین بانک ها رد و بدل می کند. با استفاده از این سامانه افراد، شرکت‌ها، می‌توانند پرداخت‌های انفرادی و گروهی نظیر پرداخت حقوق، مستمری، پاداش، کارانه، سود سهام و ... را بدون نیاز به صدور چک‌های متعدّد و یک جا سامان دهند. بانک مرکزی و شرکت خدمات انفورماتیک به عنوان بازوی اجرایی آن، به دنبال کشف متقلبان و حصول اطمینان بیشتر مردم به نظام‌های ملی پرداخت می‌باشند. سامانه تشخیص تقلب پایا با استفاده از الگوریتم های متنوع بر بستر کلان داده و استفاده از رفتار پیشینه و سوابق مالی افراد/بانکها به بررسی و تشخیص موارد مشکوک می پردازد .این سامانه از مصداق های تحلیل پیشرفته محتوا می باشد که وظیفه آن رصد تراکنش های پایا و هشدار موارد مشکوک است.

از آنجاییکه رفتارهای متقلبانه هر روز در حال تغییر هستند، سیستم های تشخیص تقلب معمولا بر استخراج رفتارهای نرمال افراد/بانک ها متمرکز می شوند. در این سامانه از همه حساب های دارای تراکنش در پایا رفتار استخراج می شود. همچنین برای همه اعضای فعال بانک یا موسسات مالی نیز به تفکیک روزهای تعطیل و عادی، پروفایل رفتاری استخراج و به روزآوری می شود. این سامانه قادر به تشخیص تعاملات مالی مشکوک مبتنی بر پروفایل هر مشتری/ بانک هستند. به عبارت دیگر تراکنش های رسیده به مرکز پایا را با پیشینه رفتاری حساب مقایسه کرده و در صورت وجود انحراف معناداری به عنوان رفتار مشکوک هشدار می دهد.

دسته دیگری از تقلب های احتمالی، با مقایسه رفتاری یک حساب مشخص نمی شوند و نیاز به استخراج الگو از همه تراکنش های پایا می باشد. این نوع از تقلب های احتمالی با به کارگیری الگوریتم های تشخیص داده های غیرنرمال امکان پذیر است. به وسیله این روش ها، الگوهای نهفته در تعاملات مالی پایا را می توان استخراج کرد. ویژگی دیگری که در سامانه قرار داده شده است زیرسامانه مانیتورینگ و رصد تراکنش ها است که به وسیله آن می توان قوانین جدید را طراحی کرد.

بعضی از مشخصه های کلیدی سامانه تشخیص تقلب پایا عبارتند از:

رفتارسنجی کلیه مشتریان شبکه بانکی کشور دارای تراکنش در پایا(در حال حاضر برای تقریبا ۱۰ میلیون شبا یکتا رفتارسنجی شده است.)

استخراج و هشدار رفتارهای غیرمعمول هر مشتری و بانک

پردازش تعداد یک میلیارد تراکنش در سامانه پایا، طی شش ماه برای استخراج رفتارهای مجزای شبا.

استخراج رفتار برای تمام بانک ها و موسسات مالی فعال در سامانه پایا به تفکیک روزهای تعطیل و عادی ( در حال حاضر ۳۷ موسسه مالی و بانک فعال وجود دارد)

امکان جستجوی سریع بر روی حدود یک میلیارد از اطلاعات پایا

همانطور که گفته شد، متقلبان در انجام تقلب از روش های بدیع استفاده می کنند. بنابراین هیچ سیستم مدیریت تقلبی در دنیا نمی تواند چنین ادعایی را داشته باشد. ولی با توجه به اینکه مدل کسب و کار سامانه پایا یک مدل مناسب است و همچنین استفاده از تکنیک های پیشرفته تحلیل داده در سامانه تشخیص تقلب ، امکان انجام تقلب در سامانه پایا به مقدار قابل توجه ای پایین می آید.

مساله امنیت یک نیاز اساسی در همه سامانه های مالی است. تشخیص و جلوگیری از تقلب نیز یک استراتژی روبه جلو برای حفظ اعتماد عمومی به سامانه های حاکمیتی است. از طرف دیگر، دانش فنی سیستم های تشخیص تقلب به صورت عمومی دردسترس نیست و بیشتر شرکت های بین المللی معروف در این زمینه به علت مسایل تحریم و ... همکاری مناسبی با شرکت انجام نمی دهند و حتی در صورت همکاری شرکت های مربوطه هزینه هنگفتی برای استقرار و پشتیبانی اخذ می کنند. نکته دیگری که خوب است به آن توجه کنیم بعضی از مدل های کسب کار مالی ایران تفاوت عمده ای با مدل جهانی آن دارد و استقرار سیستم های بین‌المللی با چالش ویژه ای در کسب و کار روبرو خواهد شد. مجموعه عوامل گفته شده باعث شده که پروژه طراحی و پیاده سازی سامانه تشخیص تقلب به صورت جدی در دستور کار شرکت خدمات انفورماتیک قرار گیرد.

مدل طراحی این سامانه به گونه ای است که به صورت ماژولار، اجزاء سیستم های کشف تقلب را دربردارد، البته در طراحی تنظیم قواعد و شناخت رفتارها در این سامانه، حوزه کسب و کار پایا تاثیر زیادی دارد ولی سامانه به گونه ای طراحی شده است که مثلاً اگر بخواهیم برای ساتنا نیز سامانه کشف تقلب طراحی شود، لازم نیست از صفر شروع کنیم. برای این منظور کافیست شناخت کاملی از حوزه کسب و کار ساتنا بدست بیاید و سپس مدل های طراحی آن تهیه و پیاده سازی شود. به صورت کلی برای سامانه های مشابه در سامانه ملی پرداخت ساتنا و چکاوک می توان از قسمت های اعظمی از این سامانه استفاده نمود.

همانگونه که قبلاً توضیح داده شد کلیه مراحل شناخت، طراحی و ساخت این سامانه در داخل شرکت خدمات انفورماتیک انجام شده است و در طی این مدت مدل های طراحی و ابزارهای بکارگرفته چند بار مورد تجدید نظر قرار گرفت تا در نهایت سامانه فعلی که عمدتاً بر روی بستر کلان داده و استفاده از ابزارهای آن طراحی و پیاده سازی شده است، نهایی شد. در این رهگذر از تجربیات نمونه های دردسترس بین المللی نیز تا جاییکه اطلاعات به صورت عمومی وجود داشته است بهره برده شده است. در حال حاضر موارد مشکوک به تفکیک بانک در انتهای هر سیکل پایا اعلام می شود که با صلاحدید بانک مرکزی امکان ارائه به بانک ها برای بررسی بیشتر میسر است.

برمبنای اطلاعات کسب شده، هیچ محصول مشابهی در داخل کشور، جهت کشف تقلب در مقیاس ملی ( کلیه مشتریان شبکه بانکی کشور) وجود ندارد. ولی اگر منظور سامانه های بین المللی باشد، انطباق کامل با مدل کسب و کار بومی پایا و همچنین با توجه به توسعه داخلی آن، پاسخ چابک به تغییرات احتمالی از امتیازات مهم سامانه تشخیص تقلب پایا است. از نکات فنی قابل ذکر استفاده از الاستیک سرچ( یکی از ابزارهای پردازش کلان داده) است که در پردازش پایگاه داده کمپانی ها بزرگ استفاده می شود. این تکنولوژی کلان داده امکان پردازش سریع را برای سامانه تشخیص تقلب به ارمغان آورده است.

فاز اول این سامانه کشف تقلب در پایا است که از مرداد ماه سال جاری عملیاتی شده است و بلافاصله بعد از سیکل پایا با بررسی های انجام داده و مقایسه با رفتار گذشته حساب ها و همچنین کنترل قواعد تعیین شده، تراکنش های مشکوک را شناسایی می کند، علاوه بر کنترل تراکنش های مشکوک، رفتار کلی بانک و حتی شعب را نیز در سیکل های متفاوت نیز بررسی کرده و چنانچه اختلاف معناداری مشخص شد آنرا نیز اعلام می کند. در حال حاضر کنسول هایی به بانک مرکزی و مدیریت امنیت و ریسک شرکت داده شده است. در فاز بعدی که جلوگیری از انجام تراکنش مشکوک است، این شناسایی قبل از سیکل انجام شده و تراکنش های مشکوک به بانک مبداء با ذکر دلیل برگردانده می شوند.

با توجه به حاکمیتی بودن سامانه تاکنون بحث درآمد در آن مطرح نبوده است. ولی با توجه به گستره سامانه که مشتریان کلیه شبکه بانکی کشور را شامل می باشد ، از ظرفیت بسیار بالایی برخوردار است. جلوگیری از تقلبات احتمالی علاوه بر کم کردن زیان های مالی مشتریان و بانک ها، منجر به افزایش اطمینان مشتریان شبکه بانکی به سامانه های حاکمیتی و بانکداری الکترونیک می شود که ارزش چنین قابلیتی قطعا قابل محاسبه نیست.

فاز اول پروژه تشخیص تقلب پایا فقط بر شناسایی تراکنش های مشکوک تمرکز دارد. در فاز بعد جلوگیری از انجام تراکنش های مشکوک مورد نظر نیست که با جدیتی که در مدیران بانک مرکزی و شرکت خدمات انفورماتیک وجود دارد امیدواریم به ثمر بنشیند. یکی از پیش نیازهای تشخیص و جلوگیری از تقلب، سیاستگذاری چگونگی جلوگیری از تقلب است. در واقع این سامانه بر اساس معیارهای اعلام شده تراکنش های مشکوک را اعلام می کند ولی جلوگیری از تقلب هم به سیاستگذاری مرتبط است و هم این عمل باید در سامانه عملیاتی انجام شود. در قسمت سیاستگذاری تعاملات خوبی با اداره نظام های پرداخت بانک مرکزی و مدیریت ریسک و امنیت اطلاعات شرکت خدمات انفورماتیک در حال انجام است. همچنین برای توسعه عملیاتی کردن سامانه تشخیص پایا از مشاوره با همکاران مدیریت سیستم های پرداخت و عملیات NPS برخوردار بودیم.

"امیدوارم با همدلی و جدیت اعضای تیم طراحی و توسعه سامانه تشخیص تقلب پایا شامل خانم مهندس الهام رضایی، اقای مهندس حسین جودکی و اقای مهندس سجاد دقیق فاز های بعدی این پروزه نیز به خوبی و در زمان مناسب محقق شود. از صمیم قلب از زحمات این عزیزان قدردانی می نمایم." همچنین از مدیریت مشتریان برای هماهنگی های لازم، معاونت های شبکه و نرم افزار و همچنین شرکت خدمات انفورماتیک کیش که همکاری بسیار خوبی با گروه هوش تجاری در معاونت عملیات را داشته اند تشکر نماییم.