Объяснимые алгоритмы обнаружения мошенничества

385 000 ₸

2025-08-19

351

879

Службе безопасности банка недостаточно получить список подозрительных транзакций. Аналитики должны понимать признаки мошенничества, документировать основания для блокировки счетов и обучать новых сотрудников на конкретных примерах.

Проблема непрозрачных систем

Нейросеть блокирует 12% транзакций, но специалист не видит причин срабатывания. Клиент требует объяснений блокировки карты, а банк не может их предоставить. Регулятор проверяет обоснованность заморозки средств и запрашивает документацию.

Постройте систему антифрода, которая выявляет мошенничество и объясняет каждое решение. Используйте Rule-based системы с интерпретируемыми правилами. Комбинируйте точность машинного обучения с прозрачностью экспертных правил.

Практические навыки

Анализируете паттерны мошеннических операций в транзакциях банка Жанбота. Создаете объяснения на основе аномалий в поведении клиентов. Визуализируете признаки подозрительных платежей для службы безопасности.

Программа обучения

Структура курса

Модуль 1: Типы банковского мошенничества и требования к объяснимости
Изучаете схемы фишинга, скимминга и отмывания денег. Разбираете требования к документированию подозрительных операций.
Модуль 2: Интерпретируемые признаки транзакций
Создаете features engineering для выявления аномального поведения. Анализируете временные паттерны и географию операций. Выявляете отклонения от типичного профиля клиента.
Модуль 3: Rule-based системы и деревья решений
Формулируете правила обнаружения на основе экспертизы безопасников. Строите интерпретируемые деревья с ясной логикой классификации. Настраиваете пороги срабатывания для минимизации ложных блокировок.
Модуль 4: Гибридные подходы и объяснение ансамблей
Комбинируете точность градиентного бустинга с прозрачностью правил. Применяете SHAP для объяснения сложных моделей безопасникам. Создаете автоматические отчеты с обоснованием блокировок.
Модуль 5: Проект системы антифрода
Разрабатываете полный цикл обнаружения с объяснениями. Готовите документацию для регуляторов и внутренних процедур. Тестируете систему на исторических случаях мошенничества.

Кейсы из практики

Работа с датасетом реальных мошеннических транзакций европейских банков и случаями из казахстанской практики

Практические кейсы

Разбор реальных задач банковского сектора с применением методов объяснимого машинного обучения

Регуляторные требования

Изучение стандартов прозрачности моделей и требований надзорных органов к интерпретируемости

Инструменты анализа

Работа с библиотеками SHAP, LIME и другими фреймворками для интерпретации моделей

Ключевые темы курса

Архитектура моделей Метрики интерпретируемости Документирование решений

Проектирование интерпретируемых систем

Изучите подходы к построению моделей машинного обучения, которые соответствуют требованиям прозрачности банковского сектора

Выбор архитектуры с учётом требований регуляторов
Баланс между точностью и объяснимостью
Методы упрощения сложных моделей
Визуализация логики принятия решений

Оценка прозрачности алгоритмов

Освойте методики количественной оценки интерпретируемости и подготовки отчётности для надзорных органов

Расчёт показателей Shapley
Локальная и глобальная интерпретация
Тестирование на предвзятость
Валидация объяснений модели

Подготовка технической документации

Научитесь составлять документацию по моделям в соответствии с регуляторными стандартами

Структура модельной документации
Описание логики принятия решений
Протоколы валидации и тестирования
Форматы отчётности для регуляторов