Вестник БГУ. Экономика и менеджмент
Библиографическое описание:
, Важность поведенческих аномалий при выявлении цифровых мошенников на этапе верификации // Вестник БГУ. Экономика и менеджмент. - 2025. №1. . - С. 119-126.
Заглавие:
Важность поведенческих аномалий при выявлении цифровых мошенников на этапе верификации
Финансирование:
Коды:
Аннотация:
Цифровое мошенничество становится все более сложным и изощренным, а также растет в объеме, что требует совершенствования механизмов защиты цифровых сервисов. В статье рассматривается значимость поведенческих аномалий для выявления мошенников на этапе верификации. Представлены результаты эксперимента с использованием модели градиентного бустинга (Catboost), проанализированы данные 100 000 пользователей, из которых 2 863 были идентифицированы как мошенники. Ключевыми поведенческими факторами, аномалии в которых свидетельствуют о возможном мошенничестве, являются время загрузки документа, время прохождения этапа биометрии, время заполнения анкеты, количество попыток загрузки документов и биометрии, средняя пауза между заполнением полей формы, а также время реакции на при запуске этапа биометрии. Полученные результаты показывают, что поведение мошенников часто отклоняется от среднего по этим показателям. Такие данные могут быть эффективно использованы для адаптации верификационных систем, чтобы минимизировать потери среди честных пользователей, сохраняя при этом высокий уровень защиты. Ограничения исследования связаны с анализом только этапа верификации, что подчеркивает необходимость дальнейшего изучения поведения пользователей после данного шага. Выводы акцентируют внимание на необходимости комплексного подхода к мониторингу пользовательских действий для борьбы с цифровым мошенничеством.
Ключевые слова:
верификация, цифровое мошенничество, поведение пользователя, поведенческие аномалии, градиентный бустинг, биометрия.
Список литературы:
Donning H., Eriksson M., Martikainen M., & Lehner O. Prevention and detection for risk and fraud in the digital age–the current situation. ACRN Oxford Journal of Finance and Risk Perspectives, 2019; 8: 86–97.
Дроздов Д. А. Влияние технологии открытых API на развитие рынка финансовых услуг // Вестник Бурятского государственного университета. Экономика и менеджмент. 2024. № 2. С. 57–65. Текст: непосредственный.
Dharmavaram V. G., & Mishra O. KYC Fraud: A New Means to Conduct Financial Fraud–How to Tackle It?. In Cybersecurity Issues, Challenges, and Solutions in the Business World. 2023: 81–94.
Сидоров А. Л. Слабо структурированные проблемы при регистрации пользователей в цифровых сервисах и способы их решения // Системный анализ в проектировании и управлении. 2024. № 27(2). С. 381–386. Текст: непосредственный.
Сидоров А. Л. Актуальность внедрения дополнительных защитных мер для цифро- вых сервисов при регистрации пользователей // Актуальные аспекты модернизации рос- сийской экономики. Санкт-Петербург, 2022. С. 282–287. Текст: непосредственный.
Hilal W., Gadsden S. A., & Yawney J. Financial fraud: a review of anomaly detection techniques and recent advances. Expert systems With applications. 2022; 193.
Pourhabibi T., Ong K. L., Kam B. H., & Boo Y. L. Fraud detection: A systematic literature review of graph-based anomaly detection approaches. Decision Support Systems. 2020; 133.
Parate S., Josyula H. P., & Reddi L. T. Digital identity verification: transforming KYC processes in banking through advanced technology and enhanced security measures. Interna- tional Research Journal of Modernization in Engineering Technology and Science. 2023. 5(9). 128–137.
Poskriakov F., Chiriaeva M., & Cavin C. Cryptocurrency compliance and risks: A Euro- pean KYC/AML perspective. Blockchain & Cryptocurrency Regulation. 2020.
Rafiq M., & Sohail M. K. Anti-Money Laundering (AML) and Regulatory Technology: A Systematic Literature Review. Journal of Asian Development Studies. 2023; 12(3): 949–965.
Kadyshevitch D. Generative AI has democratised fraud and cybercrime. Computer Fraud & Security. 2024; 5.
Mansoor N., Antora K. F., Deb P., Arman T. A., Manaf A. A., & Zareei M. A review of blockchain approaches for kyc. IEEE Access. New Delhi, 2023.
Rani M., Zolkaflil S., & Nazri S. The money mule red flags in anti-money laundering transaction monitoring investigation. International Journal of Business and Economy. 2022; 4(1): 150–163.
Rani M. I. A., Zolkaflil S., & Nazri S. Money mule risk assessment: an introductory guidance for financial crime compliance officers. Asian Journal of Research in Business and Management. 2022; 4(1): 208–217.
Bello O. A., & Olufemi K. Artificial intelligence in fraud prevention: Exploring tech- niques and applications challenges and opportunities. Computer Science & IT Research Jour- nal. 2024; 5(6): 1505–1520.
Khare P., & Srivastava S. AI-Powered Fraud Prevention: A Comprehensive Analysis of Machine Learning Applications in Online Transactions. 2023; 10: 518–525.
Дроздов Д. А. Влияние технологии открытых API на развитие рынка финансовых услуг // Вестник Бурятского государственного университета. Экономика и менеджмент. 2024. № 2. С. 57–65. Текст: непосредственный.
Dharmavaram V. G., & Mishra O. KYC Fraud: A New Means to Conduct Financial Fraud–How to Tackle It?. In Cybersecurity Issues, Challenges, and Solutions in the Business World. 2023: 81–94.
Сидоров А. Л. Слабо структурированные проблемы при регистрации пользователей в цифровых сервисах и способы их решения // Системный анализ в проектировании и управлении. 2024. № 27(2). С. 381–386. Текст: непосредственный.
Сидоров А. Л. Актуальность внедрения дополнительных защитных мер для цифро- вых сервисов при регистрации пользователей // Актуальные аспекты модернизации рос- сийской экономики. Санкт-Петербург, 2022. С. 282–287. Текст: непосредственный.
Hilal W., Gadsden S. A., & Yawney J. Financial fraud: a review of anomaly detection techniques and recent advances. Expert systems With applications. 2022; 193.
Pourhabibi T., Ong K. L., Kam B. H., & Boo Y. L. Fraud detection: A systematic literature review of graph-based anomaly detection approaches. Decision Support Systems. 2020; 133.
Parate S., Josyula H. P., & Reddi L. T. Digital identity verification: transforming KYC processes in banking through advanced technology and enhanced security measures. Interna- tional Research Journal of Modernization in Engineering Technology and Science. 2023. 5(9). 128–137.
Poskriakov F., Chiriaeva M., & Cavin C. Cryptocurrency compliance and risks: A Euro- pean KYC/AML perspective. Blockchain & Cryptocurrency Regulation. 2020.
Rafiq M., & Sohail M. K. Anti-Money Laundering (AML) and Regulatory Technology: A Systematic Literature Review. Journal of Asian Development Studies. 2023; 12(3): 949–965.
Kadyshevitch D. Generative AI has democratised fraud and cybercrime. Computer Fraud & Security. 2024; 5.
Mansoor N., Antora K. F., Deb P., Arman T. A., Manaf A. A., & Zareei M. A review of blockchain approaches for kyc. IEEE Access. New Delhi, 2023.
Rani M., Zolkaflil S., & Nazri S. The money mule red flags in anti-money laundering transaction monitoring investigation. International Journal of Business and Economy. 2022; 4(1): 150–163.
Rani M. I. A., Zolkaflil S., & Nazri S. Money mule risk assessment: an introductory guidance for financial crime compliance officers. Asian Journal of Research in Business and Management. 2022; 4(1): 208–217.
Bello O. A., & Olufemi K. Artificial intelligence in fraud prevention: Exploring tech- niques and applications challenges and opportunities. Computer Science & IT Research Jour- nal. 2024; 5(6): 1505–1520.
Khare P., & Srivastava S. AI-Powered Fraud Prevention: A Comprehensive Analysis of Machine Learning Applications in Online Transactions. 2023; 10: 518–525.
Статья.pdf