Публикации
2023 г. – новый этап практического применения CXL, статья
VMware сдвигает акцент в проекте Capitola на CXL, статья
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья
GigaIO: CDI_решение на базе AMD для высшего образования, статья
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья
End-to-end 64G FC NAFA, статья
Computational Storage, статья
Технология KIOXIA Software-Enabled Flash™, статья
Pavilion: 200 млн IOPS на стойку, статья
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья
SmartNIC – новый уровень инфраструктурной обработки, статья
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья
Compute, Memory и Storage, статья
Lenovo: CXL – будущее серверов с многоуровневой памятью , статья
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья
Intel® Agilex™ FPGA, статья
Weka для AI-трансформации, статья
Cloudera Data Platform – “лучшее из двух миров”, статья
Fujitsu ETERNUS DSP - разработано для будущего, статья
Технологии охлаждения для следующего поколения HPC-решений, статья
Что такое современный HBA?, статья
Fugaku– самый быстрый суперкомпьютер в мире, статья
НРС – эпоха революционных изменений, статья
Новое поколение СХД Fujitsu ETERNUS, статья
Зональное хранение данных, статья
За пределами суперкомпьютеров, статья
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья
IPsec в пост-квантовую эру, статья
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья
 
Обзоры
Все обзоры в Storage News
 
Тематические публикации
Flash-память
Облачные вычисления/сервисы
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Современные СХД
Информационная безопасность (ИБ), борьба с мошенничеством
Рынки
Промышленная антифрод-система или in-house решение?

28, ноябрь 2017  —  Итак, новые тренды в развитии киберпреступности или же традиционная активность внешних или внутренних мошенников, угрожающая вашей организации, заставляют задуматься о выборе новой или модернизации существующей антифрод-системы (далее АФС). Один из первых вопросов,   который часто возникает в такой ситуации — это выбор между промышленным и самописным (in-house) антифрод-решением. Этот вопрос может возникнуть для абсолютно любых бизнес-направлений, каналов обслуживания и потенциальных видов фрода требующих противодействия: традиционные online или мобильные платежи, карточные операции, Apple Pay или Samsung Pay, кошельки, действия внутренних мошенников, мошеннические кредитные заявки и т.д. Если сегодня ваша организация задумает привязать кредитку к холодильнику и разрешить ему оплату продуктов от имени клиента – завтра вы увидите предложения соответствующих антифрод-систем от внешних поставщиков и будете принимать решение о закупке новой АФС или же самостоятельном создании АФС для такой задачи. Свои плюсы и минусы есть для каждого варианта.

Промышленные АФС различной степени зрелости предлагаются как зарубежными, так и локальными вендорами и могут классифицироваться по множеству параметров, например, универсальность или конкретная бизнес-специфика, масштабируемость, применяемые техники выявления фрода (правила, скоринг, поведенческая аналитика, статистика, машинное обучение и т.п.). Стандартные плюсы промышленных систем – развитый функционал, отличная масштабируемость, возможность использования антифрод-экспертизы вендора, накопленной и проверенной с другими заказчиками, функционал “из коробки” (специализированные алгоритмы, правила, модели выявления фрода), возможность получить уже завтра решение, используемое в топовых мировых компаниях. Однако, при выборе промышленных АФС заказчика нередко останавливает ряд приведенных ниже соображений.

Сомнения заказчика

Закрытость. Логика выявления фрода зачастую составляет интеллектуальную собственность поставщика и скрыта от заказчика. Заказчик видит результаты работы системы, но не имеет полного доступа к алгоритмам выявления фрода. Как можно доверять системе без полного понимания как она работает?

Сложность. Система может позволять реализовывать головокружительные способы выявления фрода с применением машинного обучения и искусственного интеллекта, но для настройки понадобится профильный специалист с кандидатской или докторской степенью по математике и соответствующей специализацией. И никто,   кроме него не будет понимать, как все работает (и работает ли вообще). А этот специалист сам понимает, что делает? Как его проверить?

Дорого, долго,   сложно в изменениях. Стоимость лицензий серьезных промышленных АФС весьма чувствительна. Закрытость и сложность ведут к тому, что в проекте должны обязательно участвовать дорогие специалисты поставщика или уникальные специалисты на рынке. Внедрение АФС, использующих машинное обучение и поведенческую аналитику обычно предусматривает многомесячный период “обучения” таких систем. Т.е. мы потратим много месяцев, чтобы увидеть результаты, а если они нас не устроят? А если будет нужно что-то быстро поменять или добавить после внедрения? Опять нужны специалисты от вендора? Это опять конкурс проводить, а нам нужно быстро!

Конфиденциальность. Чтобы все заработало корректно, заказчик должен делится чувствительной информацией с представителями производителя (какие виды фрода есть/были, конкретные фрод-кейсы, особенности архитектуры и имеющейся защиты, потенциальные точки уязвимости и т.п.). Как мы можем отдать “на сторону” такую информацию?

Это вообще работает? Все производители говорят, что их система самая лучшая. У всех разные подходы – мы слышали про готовые правила, вероятностные модели, байесовские сети, графы, нейронные сети, машинное обучение, поведенческие аномалии, экспертные модели, международные консорциумы и т.п. А фрод-то система будет ловить именно в нашей организации с ее особенностями? Как это проверить? Полностью настроить, обучить и отладить параллельно несколько систем в своем окружении с оптимизацией ложных срабатываний и выбрать в итоге лучшую? Никакой бюджет этого не потянет. А если система “обучаемая” а у нас сейчас практически нет фрода- как такая система обучится? Референс-визит? Вот, представим, что к вам придут из конкурирующей организации и будут спрашивать про ваши объемы фрода –много ли вы правды расскажете?

А ведь в организации уже есть много внутренних наработок по антифроду, что же их выбросить? Может быть лучший вариант - самописное (in-house) решение? Если в организации есть команда, которая понимает, как нужно противодействовать фроду, то может быть нужно действовать по известному принципу: если хочешь что-то сделать хорошо – сделай это сам? Используя самописную АФС, мы будем полностью понимать, что и как работает и при этом можно будет решать задачи в рамках ограниченного бюджета?

Действительно, в ряде случаев, самописное решение, в котором логика выявления фрода определяется и контролируется внутренней командой организации может быть оптимальным решением, однако,   не следует забывать о следующих потенциальных ограничениях:

•  Создание такой АФС “с нуля” может потребовать значительных ресурсов и быть продолжительным по времени;

•  Сложности с поддержкой, развитием, расширением функционала (типичные примеры: знал, как все устроено, только один сотрудник, который давно уволился, система разрабатывалась под узкоспециализированную задачу в сжатые сроки и теперь невозможно расширить функционал из-за архитектурных или процессных ограничений и т.п.);

•  Сложности с масштабированием при увеличении объемов, нагрузки, ростом числа областей покрытия, новых бизнес-областей;

•  Несовершенные инструменты для ведения расследований, управления оповещениями и инцидентами, создания пользовательских правил, анализа данных, получения отчетности, администрирования и управления доступом пользователей и т.п.

•  В случае будущего принятия решения об использования антифрод-аналитики и логики противодействия фроду от производителей промышленных решений для этого придется использовать отдельную систему.

Так по какому-же пути двигаться – промышленная АФС или самописное in-house решение? Этот вопрос решают для себя службы информационной безопасности и риск-департаменты многих организаций.

Оптимальный вариант для старта: in-house система на промышленной платформе

Наша компания DIS Group представляет в России интересы ведущего поставщика промышленных антифрод-решений компании NICE Actimize . Мы достаточно часто обсуждаем с нашими потенциальными заказчиками их опасения относительно промышленных решений, приведенные в первой части этой статьи. При этом у заказчиков также возникает понимание, что в условиях активно развивающегося бизнеса и постоянного появления новых вызовов альтернативное использование самописных систем в какой-то момент может оказаться неэффективным и создавать эффект торможения для развития бизнеса.

В последнее время мы отмечаем значительный рост интереса к созданию антифрод-решений, которые основаны на оптимальной комбинации преимуществ промышленного подхода и положительных моментов, свойственных для in-house систем. Мы называем это платформенным подходом. В этом случае заказчик получает профессиональную, полнофункциональную, проверенную промышленную платформу противодействия мошенничеству от ведущего мирового производителя. На этой платформе (силами заказчика, интегратора или совместно) создается решение в соответствии с уникальными требованиями заказчика. Логика выявления фрода в таких случаях лежит в зоне ответственности заказчика, либо может быть предоставлена интегратором или любым внешним консультантом,   которому доверяет заказчик. К созданию и сопровождению решения может быть привлечена российская компания-интегратор (DIS Group, партнеры DIS Group). Экспертиза по созданию, разработке и сопровождению решения может быть полностью передана внутренней команде заказчика.

Платформа противодействия мошенничеству NICE Actimize включает все необходимые инструменты для максимально быстрой и эффективной разработки и развития решений, а также конфигурируемые, основанные на лучших практиках, пользовательские инструменты ведения расследований и управления инцидентами. Готовая (“из коробки”) специализированная антифрод-аналитика производителя при “платформенном” подходе не используется или планируется на будущие этапы.

Использование подобного “платформенного” подхода к созданию антифрод решения позволяет заказчикам получить следующие преимущества:

•  внутренняя команда заказчика полностью контролирует процесс создания и развития антифрод-решения, используемую логику выявления мошенничества и ответных действий;

•  опыт внутренней команды используется максимально эффективно, логика всех имеющихся в организации антифрод-наработок может быть перенесена на платформу Actimize ;

•  учитываются уникальные требования организации, особенности ее окружения и бизнес-процессов, обеспечивается быстрое реагирование на меняющиеся бизнес-требования или новые угрозы;

•  обеспечивается конфиденциальность – минимизируются риски утечки “наружу” используемой логики выявления фрода и ответных действий, данных о имеющихся в организации фрод-кейсах и данных об особенностях окружения и бизнес-процессах организации;

•  промышленное масштабирование: готовность к любым объемам и нагрузкам, расширению областей покрытия, промышленные инструменты разработки, ведения расследований и управления инцидентами, создания правил, анализа данных и аналитики;

•  возможности быстрого масштабирования команды (обучение возможностям разработки на платформе NICE Actimize для IT-специалистов занимает 5-10 дней, не требуется какого-либо предварительного специализированного или уникального опыта);

•  универсальность: возможность расширять покрытие антифрод-системы на любые новые бизнес области, каналы обслуживания и виды рисков, реальная кросс-и многоканальность;

•  возможность работы в режиме антифрод-хаба: система может консолидировать для оценки риска результаты разработанной на платформе логики, а также данные внешних риск-факторов, рассчитанных во внешних системах сторонних производителей;

•  возможность использовать широкую антифрод-экспертизу производителя: в любой момент решение может быть расширено специализированной антифрод-аналитикой предлагаемой производителем;

•  оптимальный бюджет: оптимальная стоимость лицензий на платформу Actimize , оптимизация затрат на внедрение с использование специалистов компаний РФ и/или внутренней команды;

•  быстрый и прогнозируемый результат: получение отдачи от внедрения в сжатые сроки

Подобный подход с развёртыванием промышленной in-house антфрод-системы на платформе Actimize в настоящий момент с успехом применяется в одном из крупнейших банков РФ (TOP 5). Заказчиком ставилась задача создать прозрачную для внутренней команды, развиваемую и масштабируемую антифрод-систему, оптимально интегрировать ее в сложное архитектурное окружение и бизнес-процессы, эффективно использовать имеющуюся накопленную экспертизу внутренней команды и сделать все в сжатые сроки и с оптимальным бюджетом. После проведения многоэтапных конкурсных процедур, включающих пилотный проект, была выбрана платформа NICE Actimize. В настоящее время проект успешно развивается.

Краткая справка:

Компания DIS Group представляет компанию NICE Actimize в РФ и странах СНГ. Платформа NICE Actimize используется для решения задач противодействия финансовым преступлениям в 10 из TOP-10 крупнейших банков США и ЕС, в ведущих банках и компаниях РФ.

Публикации по теме
Информационная безопасность (ИБ), борьба с мошенничеством
 
Новости DIS Group

© "Storage News" journal, Russia&CIS
(495) 233-4935;
www.storagenews.ru; info@storagenews.ru.