Сбербанк усилил защиту переводов по картам «Мир» с помощью ИИ
Сбербанк внедрил ИИ-алгоритмы для защиты переводов по картам «Мир». Операции анализируются в реальном времени и сравниваются с привычным поведением клиента: учитываются сумма, время, место и частота платежей.
При заметном отклонении от обычных параметров перевод могут приостановить. Также система учитывает косвенные признаки социальной инженерии, например, серию входящих звонков перед необычной операцией. Это важно, когда клиент подтверждает перевод под давлением, а обычной проверки логина и пароля уже недостаточно.
Комплексный поведенческий анализ
Сбер обслуживает одну из крупнейших клиентских баз, а новые антифрод-механизмы затрагивают большой объём безналичных операций. Для отрасли это сигнал перехода от проверки отдельных формальных параметров к комплексному поведенческому анализу. Это стимулирует развитие российских решений в сфере машинного обучения, больших данных, потоковой обработки транзакций и антифрод-аналитики.
В обществе должен снизиться риск перевода денег мошенникам под воздействием телефонных разговоров, а возможность вовремя остановить нетипичную операцию и персонализированную защиту, наоборот, вырастет. Однако при этом может увеличиться и число временных блокировок законных платежей – многое зависит от точности моделей и удобства подтверждения операций.
Такие проекты укрепляют технологическую базу банковской кибербезопасности, помогают сокращать ущерб от мошенничества и повышать доверие к цифровым платежам. В целом идея поведенческого антифрода не нова, но российский опыт может быть полезен странам с высоким уровнем дистанционного мошенничества.
Соответствие курсу ЦБ
Внутренние перспективы связаны с объединением нескольких источников данных – истории операций клиента, характеристик устройства, сведений о получателе, активности звонков и т.д. Так система сможет оценивать не только перевод, но и контекст. Это соответствует курсу регулятора. ЦБ уже расширил перечень признаков подозрительных операций, включая нетипичность по сумме и времени.
Технология может развиваться в сторону более точного выявления платежей под психологическим давлением, усиленной защиты уязвимых клиентов, тесной связки банков и операторов связи, внедрения аналогичных систем в других банках и финтех-сервисах. Сотни миллионов предотвращенных мошеннических операций и десятки миллиардов рублей ущерба подтверждают, что антифрод-системы требуют дальнейшего развития.
Экспортные перспективы ограничены требованиями по локализации данных, регулированием и спецификой национальных платежных систем. Реалистичен экспорт лишь отдельных компонентов – моделей поведенческого анализа, платформ обработки транзакций, антифрод-решений для банков и операторов связи и т.д. Возможны поставки в СНГ и страны, уже использующие российские ИТ-решения или сотрудничающие с нашим финсектором. Но важно адаптировать модели под местные языки, схемы мошенничества, законы и платёжную инфраструктуру.
Развитие механизмов защиты
Совместные решения против телефонного мошенничества Сбер и крупные операторы связи развивают ещё с 2021 года. Они сопоставляют данные о подозрительных звонках с банковскими операциями клиента. Обновление защиты служит продолжением этой линии с более активным использованием ИИ и поведенческого анализа. В 2024 году Банк России расширил критерии подозрительных переводов, утвердив шесть признаков мошеннических операций. Банки наделили обязанностью приостанавливать такие транзакции, что на фоне резкого роста атак помогло предотвратить десятки миллионов попыток хищения и защитить триллионы рублей.
Параллельно развивались дополнительные механизмы защиты – самозапрет на кредиты, периоды охлаждения и сервис «второй руки». Они дополнили автоматические антифрод-системы пользовательскими и организационными инструментами. А с января 2026 года регулятор удвоил число признаков подозрительных переводов с 6 до 12, сформировав базу для более глубокого анализа контекста операций и внедрения сложных алгоритмических моделей в банковских системах безопасности.
Выводы
Внедрение ИИ в антифрод-системы Сбера указывает на переход финсектора к контекстной защите. Теперь важно не только подтвердить личность владельца счета, но и понять, действует он осознанно или под давлением аферистов.
Прогнозируется, что в обозримой перспективе такие решения будут базироваться на объединении банковских, телеком- и поведенческих данных. Это позволит точнее распознавать типичные сценарии социальной инженерии – от подозрительных звонков и изменений настроек устройства до оформления кредита и снятия крупной суммы наличных.
Основным технологическим вызовом станет уменьшение числа ложных блокировок. Чем больше параметров анализирует система и чем сложнее модели, тем выше потенциальная эффективность, но тем важнее обеспечить понятный и быстрый механизм подтверждения легальных операций для клиентов.
