Защита ПК! Форум.

Защита компьютера от вирусов

Партнеры

Создать форум

Кто сейчас на форуме

Сейчас посетителей на форуме: 2, из них зарегистрированных: 0, скрытых: 0 и гостей: 2

Нет


[ Посмотреть весь список ]


Больше всего посетителей (46) здесь было Чт Сен 26, 2013 12:04 am

RSS-каналы


Yahoo! 
MSN 
AOL 
Netvibes 
Bloglines 

    Как ловят мошенников в социальных сетях

    Поделиться

    Admin
    Admin

    Сообщения : 655
    Дата регистрации : 2010-12-25
    Возраст : 48
    Откуда : Киев

    Как ловят мошенников в социальных сетях

    Сообщение  Admin в Пт Апр 18, 2014 1:29 pm

    Анализ социального окружения помогает предотвращать мошенничество на финансовом рынке
    В эпоху интернета и всеобщей глобализации мошеннические сообщества становятся шире, а сами злоумышленники – более умелыми и осторожными. Для предотвращения подобных угроз и серьезных убытков современным организациям необходимо выявлять преступные группы на ранних этапах их развития. Особенно это важно для розничных банков, выдающих большой объем кредитов населению – им необходима «историческая база» для моделирования случаев мошенничества.

    Как бороться с этим злом? Традиционные схемы здесь малоэффективны, мошенники постоянно изобретают новые способы обмана. На помощь приходят математические и статистические методы анализа информации, точнее, целый арсенал инструментов углубленной аналитики.

    Среди них – передовая развивающаяся методика выявления сложных организованных схем мошенничества на основе анализа социального окружения (она получила название Social Network Analysis, SNA, иногда ее называют также «анализ социальных связей»). Практически ни одна разработка в области противодействия мошенничеству не продемонстрировала в последнее время такого потенциала, как SNA.

    Нередко словосочетание «анализ социального окружения» наводит на мысль о популярных сервисах Facebook и Twitter. В основе метода SNA для финансовых организаций и популярных интернет-сервисов лежит общая концепция построения сети с узлами и связями. Однако SNA представляет собой более сложный математический аппарат, позволяющий не только строить сеть связей, но и рассчитывать показатели сети, автоматически выявлять скрытые сообщества.

    Говоря о «сети связей», мы подразумеваем узлы, типы связей и бизнес-правила для их расчета. Узлами сети могут служить так называемые объекты. Связи между объектами могут быть самыми разными – это, например, и отдельные клиенты, и компании-контрагенты, и банковские счета, и т.д.

    Эти связи определяют различные типы отношений между объектами, например, торговые операции компаний, родственные связи клиентов и т.д. Для расчета связей могут применяться как простейшая логика (такая, как совпадение телефонного номера у двух клиентов), так и более сложные бизнес-правила с возможностью нечеткого поиска.

    Социальную сеть связей можно строить буквально на любом существующем наборе данных. Если преступное сообщество уже сформировано, то социальная сеть сразу же позволит его выявить с помощью встроенных алгоритмов. Интересно, что модель сети можно использовать не только для «вычисления» сообществ мошенников, но и для выявления принадлежности текущих банковских операций таким сообществам с целью их последующей блокировки.

    Метод SNA основан на построении сети взаимосвязей клиентов. Мы считаем, что два клиента связаны, если между ними существует какая-то общая характеристика или общее действие. Например, два клиента будут связаны между собой, если у них общий адрес электронной почты или одинаковый номер телефона (Рис.1).

    В страховании в качестве общей связи может выступить владение одним и тем же автомобилем (продавец б/у автомобиля и его покупатель) или участие в одном и том же ДТП.

    Как работает SNA? Если мы видим связь клиента с ранее выявленным случаем мошенничества (причем связь может быть неявная), то для нас это является основанием подозревать, что этот клиент тоже может быть мошенником.

    Один из крупнейших проектов SNA был реализован в министерстве финансов Бельгии при раскрытии схемы незаконного возврата экспортного налога на добавленную стоимость, известной как «карусель НДС». В 2001 году потери бюджета от этой схемы оценивались в 1,1 млрд евро в год. В схему была вовлечена целая сеть фиктивных компаний в нескольких юрисдикциях (Бельгии и Франции), которые занимались последовательной перепродажей одних и тех же товаров друг другу. При перемещении товаров из одной юрисдикции в другую у экспортера возникало право на возмещение НДС, который ранее был уплачен другой аффилированной компанией-посредником. Однако на деле НДС в бюджет никогда не платился, так как компания-посредник являлась типичной фирмой-однодневкой и в одночасье просто «растворялась». Таким образом мошенники могли неограниченное число раз перепродавать товар по цепочке и возмещать НДС, организуя своеобразную «карусель».

    Для борьбы с организованным мошенничеством в Бельгии в 2001 году была создана Налоговая инспекция специального назначения (ISI). Сложность заключалась в том, чтобы найти мошеннические компании в списке из десятков тысяч организаций и определить мошеннические операции среди миллионов финансовых транзакций по всему Евросоюзу.

    Для решения проблемы пригласили экспертов компании SAS, которые предложили использовать методы SNA. На основе электронных баз была построена сеть связей из компаний-экспортеров и торговых операций между ними. С помощью аналитических инструментов SNA были выявлены отдельные скрытые сообщества компаний, которые осуществляли внутри себя циклические операции экспорта-импорта, отобраны сообщества с признаками мошеннических операций и проведено детальное расследование их деятельности. В результате уже в первый год использования SNA потери Бельгии от «карусели» сократились на 80% до 232 млн евро, а к 2012 году – на 98% до 18,5 млн евро в год. Это был потрясающий успех!

    В банковском кредитовании крупное мошенничество, как правило, также носит организованный характер. Преступные группы подделывают пакеты документов о финансовом состоянии заемщика, организуют телефонную линию, по которой подставные люди готовы подтвердить банкам любую позитивную информацию о заемщиках. Случается, что в преступную группу оказываются вовлечены и сами сотрудники банков. Такие схемы могут на протяжении долгого периода времени приносить доход преступникам, поскольку их сложно обнаружить без использования современных методов. Например, если в схеме замешан сотрудник офиса продаж банка, занимающийся оформлением кредитов, то именно этот сотрудник может стать «центральным звеном» в SNA-сообществе недобросовестных клиентов, которым он выдал кредит. Наглядно схему работы SNA можно увидеть на рисунке.

    Исследования показывают, что вероятность мошенничества клиента банка увеличивается, если среди его родственников, коллег или знакомых присутствуют кредитные мошенники. Именно такие связи позволяет анализировать и учитывать при оценке кредитоспособности заемщика решение SNA.

    В страховом бизнесе организованные группы мошенников, как правило, специализируются чаще всего в сегменте автострахования. В мошеннические схемы могут быть вовлечены и сотрудники станций техобслуживания (СТО), которые умышленно завышают стоимость ремонтных работ, и агенты, страхующие за определенное вознаграждение разбитые автомобили, и группы злоумышленников, занимающихся фальсификацией ДТП.

    На рис.2 пример такого организованного мошенничества в автостраховании представлен. С помощью метода SNA эксперты выявили, что один малоизвестный пункт автосервиса активно проводил калькуляцию стоимости ремонта тех случаев ДТП, где присутствовали признаки фальсификации. Кроме того, у отдельных клиентов автосервиса совпали адреса и телефоны, что позволило страховой компании обнаружить, что здесь замешана организованная группа.

    В мировой практике, по статистике, около 10% всех выплат в автостраховании являются мошенническими.
    Инструмент SNA может обнаружить мошеннические схемы в данных, на первый взгляд, представляющих абсолютно разрозненные страховые случаи. Автоматические алгоритмы ищут связи между страховыми случаями и их участниками, учитывая любые мелочи, которые могут ускользнуть от внимания человека. Например, на основании базы данных страховой компании SNA может выявить раннее (с глубиной в несколько лет) вписанных в один и тот же полис ОСАГО лиц, которые, на момент подачи требования могут показаться «случайными» участниками ДТП, а на деле являются мошенниками.
    Источник: forbes.ua

      Текущее время Вт Янв 17, 2017 11:10 am

      Яндекс.Метрика