Live and recent posts from across the Fediverse tagged #антифрод, aggregated by home.social.
Исследование Smart Engines и INTELLECT: в России на 338% выросло число преступлений, связанных с подделкой документов
Привет, Хабр! Мы,
https://habr.com/ru/companies/smartengines/articles/1093460/
#искусственный_интеллект #мошенники #проверка_подлинности #антифрод #антифрод_документов
Почему IPv4 закончился, а IPv6 всё ещё не повсюду — взгляд фронтенд-разработчика
Сразу хочу обозначить рамки — я фронтенд-разработчик и не настраиваю BGP, не поднимаю маршрутизаторы и не работаю у интернет-провайдера (хотя было дело). Но ограничения IP-адресов так или иначе влияют на мою работу, на архитектуру продуктов, в частности, на UX, антифрод, аналитику и т.п. Мы привыкли считать, что IP-адреса — это где-то внизу, на сетевом уровне, и к разработчику они не имеют отношения. На практике именно дефицит IPv4 сформировал тот интернет, в котором мы сейчас живём: интернет с NAT, серыми IP, сложным WebRTC, странными rate-limit и иллюзией, что IP можно использовать, как идентификатор пользователя. Эта статья — не учебник по IPv6 и не гайд по сетям. Это попытка посмотреть на проблему с другой стороны: почему IPv4 закончился, что мы сделали, чтобы с этим жить, и почему последствия этого решения догоняют фронтенд-разработчиков, даже если они никогда не трогали сетевое оборудование. Вы когда-нибудь задавались вопросами: почему P2P на самом деле не совсем P2P, почему один IP — это не единственный пользователь, и почему IPv6 вроде бы существует, но в обыденность так и не вошёл? Давайте порассуждаем.
https://habr.com/ru/companies/gnivc/articles/1085622/
#ethernet #ipv4 #ipv6 #webrtc #nat #network #network_address_translation #endtoend #rate_limit #антифрод
Дайджест ИБ, 23–29 сентября: OpenAI остановила свои модели, атака на «Додо Пиццу»
Новости информационной безопасности за неделю с 23 по 29 сентября, в одной строке с ссылками на источник. Разбиты по темам: ИИ, Уязвимости, Атаки и утечки, Исследования, Рынок, Регулирование, Медиа, Open source
https://habr.com/ru/articles/1088312/
#дайджест #информационная_безопасность #уязвимости #ИИагенты #утечки_данных #OpenAI #КИИ #Антифрод #Додо_Пицца #Пентагон
Поколение отклонённых: как ИИ-скрининг резюме выталкивает молодёжь в киберпреступность
Получил диплом, отправил первые 50 откликов и столкнулся с классическим парадоксом: чтобы получить работу, нужен опыт, а чтобы получить опыт, нужна работа. Я решил посмотреть шире: насколько сложно молодым специалистам войти в IT, какую роль в этом играют автоматический отбор и нейросети, и может ли отсутствие понятной легальной карьерной траектории становиться фактором риска ухода в киберкрайм. В статье статистика российского рынка труда, данные по компьютерной преступности, исследования Criminal Hackers и мой взгляд на то, как должен меняться найм в эпоху ИИ.
https://habr.com/ru/articles/1087120/
#кибербезопасность #киберпреступность #антифрод #карьера_в_IT #junior #поиск_работы #HR #рекрутинг #автоматический_отбор #молодые_специалисты
Один Gmail = тысячи адресов для сервиса: что мы случайно нашли в админке
Одна точка в Gmail — и для сервиса перед вами уже другой пользователь. Мы наткнулись на это случайно, а потом решили проверить, насколько далеко можно зайти.
https://habr.com/ru/articles/1083948/
#Gmail #email #нормализация_email #регистрация_пользователей #мультиаккаунты #антифрод #вебразработка #аутентификация
Ключ к безопасной идентификации: дайджест недели сканеров с технологиями Smart Engines
При работе с документами бизнесу необходимо решение, которое, с одной стороны, эффективно выявляет попытки мошенничества с использованием поддельных документов, а с другой — не замедляет обслуживание добросовестных клиентов. Сегодня наши технологии позволяют решать обе задачи одновременно. Совместно с ГК «Интек» Smart Engines разработала линейку российских программно-аппаратных комплексов для автоматического ввода данных и проверки подлинности документов. За Неделю сканеров мы рассказали и показывали, как сканеры Smart Engines помогают выявлять подделки, встраиваются в полностью автоматизированные процессы и применяются в банках, аэропортах, государственных учреждениях, системах контроля доступа и роботизированных комплексах. Собрали главное за Неделю сканеров в одном дайджесте👇
https://habr.com/ru/companies/smartengines/articles/1083064/
#искусственный_интеллект #распознавание #сканеры #проверка_паспорта #антифрод #проверка_подлинности
Следующими можете быть вы: почему злоумышленники так любят облачные KYC-сервисы
Привет, Хабр! В начале сентября 2026 года на киберпреступном форуме появился сервис Nexus, предлагавший доступ к огромному массиву удостоверений личности граждан США и Канады. По утверждению его операторов, в базе находились сведения более чем о 170 млн человек: 153 млн водительских удостоверений, 10 млн ID-карт, 3 млн паспортов и 579 тыс. медицинских карт. В открытом доступе данные оказались из-за утечки компании IDScan.net , предоставляющей решения для проверки документов и личности. По данным IDScan.net , неавторизованная третья сторона могла получить доступ к информации, хранившейся в облачных аккаунтах, и скопировать ее. По состоянию на середину сентября расследование продолжается. Однако сам факт возможного копирования клиентских данных из облачной среды компания признала. Эта статья не является разбором ошибок IDScan и тем более попыткой обвинить пострадавшую компанию. IDScan стала жертвой преступников, как до нее становились жертвами банки, государственные учреждения, медицинские организации и технологические корпорации. Но сейчас важно задать вопрос: почему у внешнего участника KYC-процесса вообще оказался массив документов, который можно было похитить?
https://habr.com/ru/companies/smartengines/articles/1082582/
#искусственный_интеллект #информационная_безопасность #распознавание_документов #распознавание_паспорта #мошенничество #антифрод #smart_engines
Быстрый OSINT через инструмент для маркетинга
Перед вами статья-инструкция, как быстро оценить репутацию, риски и медийный вес компании через OSINT-инструмент, не прибегая к утилитам сетевой разведки.
МФО выдали заем мошеннику: кто должен отвечать за последствия
Недавно россиянка стала жертвой мошенничества: на ее имя оформили около 60 микрозаймов на сумму более 2,5 млн рублей. Для этого злоумышленникам оказалось достаточно фотографии ее паспорта. Девушка больше года сталкивается со звонками и угрозами коллекторов, а более двадцати МФО продолжают пытаться взыскать с нее деньги. Инцидент чрезвычайно показателен: он еще раз напоминает, насколько серьезной остается угроза мошенничества и как дорого она может обойтись обычному человеку. Масштаб риска растет вместе с числом утечек: по отраслевым данным, за 2025 год и первую половину 2026 года в открытый доступ попали 326 баз данных клиентов российских компаний, содержащих около 1,175 млрд строк с информацией о пользователях. Это вдвое больше совокупного числа публичных утечек в Латинской Америке, на Ближнем Востоке, в Африке, Азиатско-Тихоокеанском регионе и других странах СНГ. В таких условиях исходить из того, что паспортные и другие персональные данные остаются известны только их владельцу, уже нельзя: оказавшись в открытом доступе, они с высокой вероятностью могут стать инструментом мошенников. Поэтому вопрос зачастую заключается в том, насколько быстро злоумышленники попытаются оформить с их помощью кредит или заем. В этом контексте следует задать другой, не менее важный вопрос: кто должен нести ответственность за последствия такого мошенничества ? Разберемся, какую роль в предотвращении подобных схем играют банки и МФО и почему надежная проверка личности заемщика должна быть обязательной частью процесса выдачи кредита.
https://habr.com/ru/companies/smartengines/articles/1081388/
#мфо #антифрод #банки #искусственный_интеллект #шерлок #smart_engines
Как проверить ML‑модель перед продом и избежать утечки данных в scikit‑learn
Высокая метрика на кросс‑валидации ещё не означает, что модель покажет такой же результат после запуска. Разрыв между офлайном и продакшеном часто появляется из‑за ошибок в подготовке данных, неправильного разбиения выборки или признаков, которые недоступны в момент предсказания. Разберём практический подход к проверке качества ML‑модели: от временного сплита и настройки Pipeline до подбора порога решения и подготовки артефакта для инференса. Проверить модель
https://habr.com/ru/companies/otus/articles/1067774/
#scikitlearn #pipeline #кроссвалидация #dataleakage #утечкаданных #targetencoding #MLOps #антифрод #валидациямодели
Почему накрутка поведенческих факторов до сих пор двигает сайты в Яндексе
С поведенческими факторами в Яндексе есть одна проблема: вокруг них накопилось слишком много объяснений, которые звучат правдоподобно, но разваливаются при первом же вопросе чуть глубже обычного. Одна версия говорит, что Яндекс смотрит на кликабельность, время визита, глубину просмотра и возврат в выдачу. Поэтому достаточно искусственно сделать эти показатели красивыми, после чего документ начнет расти. Другая версия противоположная: Яндекс давно умеет распознавать любые манипуляции, поэтому накрутка либо вообще не работает, либо все наблюдаемые результаты являются совпадением.
https://habr.com/ru/articles/1078336/
#поведенческие_факторы #Яндекс #ранжирование #поисковые_алгоритмы #пользовательские_сигналы #машинное_обучение #антифрод #кликовые_данные #поисковая_выдача #SEO
Девопс-инженер и ИИ влетают в бизнес-задачи с двух ног
209 тысяч наименований товаров в 150 представительствах записаны по-разному, а обычный join сопоставляет от силы 1% из них. Дата-инженер Дмитрий Дунаев на Вечерней школе Слёрма показал, как эту путаницу разгребли с помощью LLM, эмбеддингов и fuzzy-поиска, а заодно избавили менеджеров от звонков по 5 минут за штуку из бесконечного списка на обзвон. Из 15 протестированных моделей нужный баланс критериев показала только одна. Какая именно и почему, разбираем в конспекте доклада вместе с чек-листом, когда агента строить стоит, а когда деньги лучше сэкономить.
https://habr.com/ru/companies/slurm/articles/1075956/
#LLM #датаинженерия #антифрод #эмбеддинги #fuzzy_matching #тестирование_моделей #YandexGPT #Cherry_Studio #локальные_модели #152ФЗ
Вы подменили User-Agent, и сервер всё равно знает, что это curl. Он понял это до того, как получил заголовки
Разговор, который у меня повторяется примерно раз в квартал. Интеграция ходит к партнёрскому API, партнёр её режет. Разработчик ставит в запрос User-Agent от Chrome. Не помогает. Дальше идут версии про адрес, про частоту, про капчу — и все мимо. Сервер понял, что это не браузер, ещё до того, как увидел хоть один HTTP-заголовок. User-Agent он в тот момент не читал, потому что читать было нечего: HTTP начинается после установления TLS, а решение принимается по первому же пакету рукопожатия.
https://habr.com/ru/articles/1075838/
#tls #ja4 #ja3 #антифрод #детектирование #clienthello #useragent
Уникальный отпечаток — плохой отпечаток: почему антифрод считает не уникальность, а согласованность
Вокруг браузерных отпечатков сложилось устойчивое заблуждение, которое кочует из статьи в статью. Звучит оно примерно так: чем уникальнее отпечаток, тем труднее связать сессии между собой, значит, надо максимально рандомизировать параметры. Логика выглядит убедительно ровно до того момента, пока не посмотришь, что именно считает принимающая сторона. Антифрод почти никогда не спрашивает «встречался ли нам раньше такой набор параметров». Он спрашивает другое: «бывают ли вообще такие устройства». Это два разных вопроса, и ответы на них расходятся в противоположные стороны. Разберу, откуда берётся расхождение, покажу, как оно считается, и почему рандомизация параметров чаще ухудшает результат, чем улучшает.
https://habr.com/ru/articles/1076144/
#браузерный_фингерпринтинг #отпечаток_браузера #антифрод #canvas_fingerprinting #webgl #энтропия_шеннона #javascript #приватность #детект_ботов #useragent
Как поймать поддельный документ по голограмме – даже без ультрафиолета
Как при автоматической проверке документов отличить оригинал от цветной ксерокопии или даже муляжа? Один из надежных признаков подлинности – наличие оптически-переменных защитных элементов (OVD, Optical Variable Device), например голограмм. Их внешний вид меняется при изменении угла обзора и положения источника света. В Smart Engines мы разработали и запатентовали метод обнаружения OVD , который позволяет выявлять копии и муляжи с помощью сканера под управлением ИИ . Для проверки достаточно видимого диапазона и серии изображений документа, полученных при разных положениях подсветки. О том, как нам удалось реализовать такой подход и научить сканер обнаруживать муляжи по OVD, читайте под катом.
https://habr.com/ru/companies/smartengines/articles/1072526/
#распознавание #антифрод #проверка_подлинности #проверка_паспорта #распознавание_образов #проверка_подлинности_документов #OVD #OVI #antifraud #искусственный_интеллект
Человек, которого никогда не было. Как ИИ создаёт синтетические личности?
Ещё недавно у фальшивой личности обязательно был настоящий владелец. Мошеннику требовался чужой паспорт, фотография, номер телефона или хотя бы несколько строк из утёкшей базы. Дальше начиналась ручная работа: заменить снимок, исправить дату рождения, подобрать похожее лицо, придумать объяснение для оператора. Человек мог не знать, что от его имени берут кредит, но он существовал. Привет, Хабр! Мы Михаил Никитин и Карина Саркисян из команды Tevian. На всякий случай уточним: мы настоящие. А вот с героями этой статьи не всё так однозначно.. Генеративный ИИ сильно упростил создание таких профилей. Теперь мошенническую анкету можно собирать с пустого листа. Нейросеть придумает биографию, нарисует лицо, исправит документ, оживит портрет для видеозвонка и поможет отвечать на вопросы службы поддержки. Реальными останутся только отдельные детали: адрес, телефон, номер документа или данные из утечки. Получится человек, у которого есть паспорт, селфи и цифровой след. Нет только прошлого. Разобрать синтетическую личность
https://habr.com/ru/companies/tevian/articles/1072174/
#kyc #антифрод #дипфейк #биометрия #подделка_документов #подделка_фотографий #искусственный_интеллект #liveness #распознавание_изображений
Как мы проверяем до 1 000 cайтов в час: рассказываем про ЮScan — сервис оценки рисков в сегменте e-commerce
1000 сайтов в час вместо нескольких часов на каждый — так работает ЮScan, сервис автоматизированного аудита от ЮMoney. Его основная задача — помочь банкам и платёжным организациям не допустить подключения сайтов, которые маскируют запрещённую или рискованную деятельность под легальный бизнес. Сервис автоматически проверяет ресурс и выявляет подобные случаи ещё до начала сотрудничества. С 2020 года через ЮScan проверено более 550 тысяч заявок. За это время ЮKassa не получила штрафов за обслуживание запрещённых видов деятельности. Кому это нужно? Если вы обрабатываете более 10 000 страниц в сутки, работаете с эквайрингом, маркетплейсами, KYC/AML-проверками или выполняете требования 152-ФЗ, ручные процессы неизбежно становятся узким местом. Меня зовут Ирина, я руковожу антифродом в ЮMoney. Расскажу, как устроен ЮScan: как обходить тысячи страниц, находить рискованный контент и превращать данные в понятный скоринг.
https://habr.com/ru/companies/yoomoney/articles/1072262/
#python #scrapy #playwright #вебкраулер #парсинг #антифрод #информационная_безопасность #машинное_обучение #llm #ecommerce
ЕСИА – не индульгенция: кто отвечает за ошибку идентификации и когда KYC можно строить без Госуслуг
Привет, Хабр! Представим: финансовая организация получает из ЕСИА подтвержденные сведения о клиенте, завершает дистанционную идентификацию и принимает его на обслуживание. Позднее выясняется, что операцию совершал мошенник. Паспорт оказался утраченным, изображение документа – отредактированным, а доступ к учетной записи – скомпрометированным. Кто отвечает? Оператор ЕСИА, потому что сведения пришли из государственной системы? Организация, которая приняла решение обслужить клиента? Или тот, кто когда-то разместил в системе недостоверные данные? Интуитивный ответ – «если государственная система сказала, что все в порядке, какие могут быть вопросы к бизнесу». Юридический ответ устроен сложнее: подключение к ЕСИА распределяет функции между участниками процесса, но не переносит всю ответственность на оператора системы. Разберемся, где проходит эта граница и как построить технологический контур идентификации, который не сводится к одному зеленому чекбоксу. Эту статью мы подготовили совместно с Национальным советом финансового рынка (НСФР). В основу юридической части легло заключение НСФР о правовых условиях использования решений Smart Engines для получения и проверки сведений, необходимых финансовым организациям при идентификации клиентов. Дисклеймер : в тексте учитывается законодательство по состоянию на август 2026 года. Материал носит информационный характер и не заменяет правовой анализ конкретного бизнес-процесса.
https://habr.com/ru/companies/smartengines/articles/1068646/
#распознавание_документов #ocr #ocrтехнологии #антифрод #есиа #госуслуги
Поведенческий антифрод: что еще анализируют антифрод-системы помимо отпечатков железа и браузера
Как вы считаете, антифрод уже замедляется в попытках остановить армию ботов? Уже виднеется где-то вдалеке окончание его потуг отследить, найти, обнаружить и детектировать пользователя при посещении сайта? Как будто все еще только начинается. Давайте разберемся, что еще могут предложить системы защиты кроме отслеживания пользователя по отпечаткам браузера, насколько это безопасно и ресурсоемко для пользователя? Разбираем что из себя представляет поведенческий антифрод . Читать про поведенческий антифрод
https://habr.com/ru/companies/aurorium/articles/1067810/
#поведенческий_антифрод #антидетектбраузер #браузер #антифрод #антиспам #поведенческие_паттерны
Почему смена IP не делает вас новым пользователем
Вы держите личный и рабочий аккаунты на одном сервисе — просто чтобы не путать переписку и не смешивать процессы. Или ведете пару разных аккаунтов для фриланс-клиентов. А потом сервис ограничивает сразу оба аккаунта, потому что решил, что за ними один и тот же человек. VPN меняет ваш адрес, но не меняет того, кем вас считает сайт. Большинству из нас не нужно исчезнуть из сети. Вместо этого нужна изоляция сфер интересов, чтобы они перестали склеиваться в один поведенческий профиль. Сегодня мы разберемся, как сайты узнают вас по железу.
https://habr.com/ru/articles/1061460/
#отпечаток_браузера #фингерпринтинг #мультиаккаунтинг #антифрод #приватность_в_интернете #VPN #прокси #антидетект #WebRTC #WebGL
Почему паспорту на экране больше нельзя верить: как ИИ-фрод ломает KYC и что с этим делать
Привет, Хабр! Развитие искусственного интеллекта заметно изменило экономику финансового мошенничества – в том числе атак на системы KYC. По оценке INTERPOL за 2026 год, схемы с использованием ИИ могут приносить в 4,5 раза больше средств, чем схемы без него. Генеративные инструменты позволяют охватывать больше потенциальных жертв, ускорять подготовку и снижать затраты на каждую новую атаку.
https://habr.com/ru/companies/smartengines/articles/1060934/
#антифрод #проверка_документов #kyc #deepfake #распознавание_паспорта #распознавание_документов #smart_engines #шерлок #мошенничество #антифотошоп
Интеграция платёжных систем в high-risk вертикалях: архитектура, риски и практический опыт
Последние несколько лет я собираю платёжные интеграции для продуктов, которые банки вежливо называют «high‑risk». Под «high‑risk» обычно попадают: iGaming / betting dating (особенно adult dating) crypto onboarding / exchange ramps nutra / supplements travel / subscriptions с free‑trial моделью forex / trading / микрозаймы Один проект — подписочный сервис на NestJS/TypeORM с рекуррентными списаниями через SOAP‑шлюз прибалтийского банка‑эквайера. Второй — кредитный продукт на Python/FastAPI, где под капотом крутятся три локальных PSP одновременно. Обе системы живут в проде, обе списывают реальные деньги с реальных карт, и обе научили меня вещам, которых нет ни в одной документации шлюза. Эта статья — не теория из учебника по финтеху. Это то, что я бы хотел прочитать до того, как первый раз задеплоил cron, который умеет списывать деньги. Подстелить соломки
https://habr.com/ru/articles/1056698/
#платежные_системы #эквайринг #highrisk_бизнес #chargeback #антифрод #state_machine_платежей #idempotency #retry_логика #рекуррентные_платежи
Антифрод в e-commerce: почему банковские подходы не работают в маркетплейсах и доставке
Привет, Хабр! Меня зовут Максим Шаповалов, я — руководитель отдела борьбы с мошенничеством в ecom.tech . В этой статье я расскажу, почему «банковские подходы» не работают в реалиях e-commerce и зачем антифрод нужен бизнесу, даже если «мошенников немного». Когда говорят слово «антифрод», большинство всё ещё представляет банковский сценарий: краденные карты, подозрительные транзакции, скоринг в миллисекундах и автоматические блокировки всего, что кажется хоть малость подозрительным. Но такой «ужесточённый» подход не применим к маркетплейсам и сервисам доставки, потому что вместе с мошенниками начнут исчезать и "нормальные" пользователи. В какой-то момент это начнёт стоить бизнесу дороже, чем сам фрод: упадёт конверсия, проседет повторная покупка, снизится LTV, а продукт постепенно станет менее удобным для обычных клиентов. Именно поэтому антифрод в бизнесе — это не просто борьба с мошенничеством, это защита экономики продуктов и помощь бизнесу расти безопасно и устойчиво.
https://habr.com/ru/companies/ecom_tech/articles/1054916/
#антифрод #антифроданалитика #борьба_с_потерями #экономическая_эффективность #мошенничество #потери
AuthKeyDuplicatedError в Telegram: спасаем забаненный парсер через дамп tdata и спуфинг сессии
Случайный запуск парсера на двух серверах одновременно — и Telegram мгновенно убивает сессию с ошибкой AuthKeyDuplicatedError. Аккаунт улетает в теневой бан, а стандартная авторизация через Telethon наглухо блокируется. В этой статье я покажу хардкорный способ спасти прогретый аккаунт: мы сделаем дамп памяти tdata из официального клиента macOS, обойдем конфликты Python-библиотек и настроим жесткий спуфинг сессии на Ubuntu-сервере. Итог: антифрод обманут, парсер снова собирает лиды.
https://habr.com/ru/articles/1053518/
#python #telethon #telegram_api #tdata #антифрод #информационная_безопасность #mtproto
Claude Code Antifraud: Колмогоров‑Смирнов и недетские аномалии на детской олимпиаде
Приходит ко мне как-то знакомый с импортным за 300р. «Слушай, – говорит, – ты ж антифрод-эксперт. Проверь, пожалуйста, школьную олимпиаду. У меня сын ходил, что-то результаты странные». Триста за импортное – серьёзная заявка. Ну что ж, триста так триста. Погнали.
https://habr.com/ru/articles/1051116/
#claude_code #antifraud #олимпиада #олимпиада_школьников #статистика #аналитика #антифрод
Аналитик, который кричал «Волки!»: как мы перестали бороться с алертами и начали думать о фроде иначе
Привет, Хабр! На связи Владимир Сыропятов, Senior Analyst в Garage Eight. Все же в детстве слушали сказки? Так вот, я бы хотел вспомнить одну из них — про мальчика и волков. В ней ребенок так часто зря кричал «Волки!», что жители деревни перестали реагировать на предупреждения. А когда волки пришли по-настоящему, ему никто не поверил. Я это всё к тому, что в антифроде эта история повторяется регулярно, только вместо мальчика — система мониторинга, вместо деревни — операционная команда, а вместо волков — реальный фрод, который незаметно «подкрадывается», пока все заняты ложными тревогами. Именно такую картину я обнаружил на одной из платформ для управления инвестициями, когда пришел туда как антифрод-аналитик.
https://habr.com/ru/companies/garage8/articles/1051030/
#антифрод #фрод #система_мониторинга #falsepositive #граф_связей #расследование_фрода #операционная_команда #рискскоринг #мониторинг_транзакций #поведенческие_паттерны
Архитектура обмана. Как технически устроены фермы накрутки отзывов в 2026 году?
Подделка рейтингов окончательно перешла с бирж фриланса на автоматизированные конвейеры. Сегодня отзывы генерируют локальные LLM, а публикуют скрипты через антидетект-браузеры и резидентные прокси. Такая ботоферма самостоятельно формирует цифровой след: собирает cookies на сторонних сайтах, закладывает лексические ошибки в текст и подменяет отпечатки железа, чтобы система приняла профиль за живого человека с реальным провайдером. В ответ маркетплейсы и геосервисы перестали анализировать исключительно сам текст и переключились на графовый анализ. Антифрод отслеживает микродвижения мыши, скорость скроллинга и сетевые пересечения аккаунтов. Математически идеальный рейтинг 5.0 или шаблонные тайминги публикации становятся для алгоритма прямой командой к действию. Площадка не просто удаляет сомнительные комментарии, а отправляет карточку товара в теневой бан, срезая органические показы в поиске.
https://habr.com/ru/articles/1049936/
#антифрод #накрутка_отзывов #ботофермы #фейковые_отзывы #LLM #антидетект_браузеры #графовый_анализ #fingerprinting #резидентные_прокси #поведенческий_анализ
Как научить языковую модель читать транзакции: превращаем историю платежей в базу знаний
Меня зовут Дмитрий Валов, я тимлид команды «Инструменты для банка (агенты)» в Sber AI Lab — Центре практического искусственного интеллекта Сбера. Большие языковые модели (LLM) научились отвечать на вопросы, писать код и анализировать документы. Логично спросить: «А может ли одна универсальная модель заменить зоопарк специализированных систем, которыми банк описывает своих клиентов?» Сегодня под каждую задачу — отток, кредитный риск, NBA — заводится отдельный пайплайн: свой набор фичей поверх истории транзакций, своё обучение, свои перетренировки при каждом изменении. Данные об одном и том же клиенте растаскиваются по разным системам и плохо переиспользуются. Сложнее всего — сопровождение и актуализация: стоит появиться новому источнику или фиче, как модель приходится переобучать, иначе она просто не умеет ими пользоваться. LLM выглядит идеальным кандидатом на роль единого интерфейса к этим данным: данные переводятся в текст, и новый источник достаточно дописать в промпт на инференсе, без переобучения. Но есть проблема: если просто скормить модели историю транзакций, она справляется заметно хуже специализированных моделей. В нашей работе FinTRACE мы разобрались, почему так происходит, и предложили способ это починить — не дообучая модель на огромных размеченных датасетах, а перестраивая то, что именно мы ей показываем. Статья принята на SIGIR 2026 .
https://habr.com/ru/companies/sberbank/articles/1049018/
#машинное_обучение_и_нейросети #llm #rag #retrievalaugmented_generation #транзакции #knowledge_base #антифрод #sber_ai_lab #эмбеддинги #finance
Ваш KYC не работает: почему цифровые подделки документов стали опаснее бумажных
Когда говорят о подделке документов, обычно подразумевают попытку обмануть человека. Но сегодня документы все чаще проверяют не сотрудники банков и служб безопасности, а алгоритмы цифрового онбординга, KYC и удаленной идентификации. Поэтому появились подделки нового типа — рассчитанные не на людей, а на компьютеры. Их задача не выглядеть идеально, а заставить систему распознавания извлечь нужные реквизиты и пропустить заявку дальше. Как выглядят такие атаки, почему существующие решения часто оказываются к ним не готовы и зачем мы создали открытый датасет цифровых подделок документов MIDV-DM — расскажем под катом.
https://habr.com/ru/companies/smartengines/articles/1048768/
#smart_engines #midvdm #датасет #антифрод #kyc #информационная_безопасность #машинное_обучение #искусственный_интеллект #распознавание_документов
ИТ-аутсорсинг на результат или почему ИТ-подрядчику невыгодно, чтобы у вас все работало
Чем больше у вас сбоев, тем больше зарабатывает подрядчик. И это не злой умысел. Так устроена типовая модель оплаты, где исполнителю платят за закрытые заявки и отработанные часы. У него просто нет причины сокращать количество заявок. Разберем, почему «чинить быстро» и «сделать, чтобы не ломалось» — две разные бизнес-модели и как достичь того, чтобы аутсорсер работал по второй. Также поделимся почему дело не столько в модели, сколько в зрелости обеих сторон.
https://habr.com/ru/articles/1045834/
#шифровальщик #шифровальщики #безопасность #фишинг #антифрод