Бердышев Александр Валентинович, Канд. экон. наук, доц. департамента банковского дела и монетарного регулирования
г. Москва
Aleksandr V. Berdyshev, Cand. Sci. (Econ.), Assoc. Prof. at the Banking and Monetary Regulation Department
Moscow
Зархин Иван Евгеньевич, Студент
г. Москва
Ivan E. Zarkhin, Student
Moscow
Катышева Арина Алексеевна, Студент
г. Москва
Arina A. Katysheva, Student
Moscow
В связи с усилением западных санкций на российский банковский сектор резко выросло число злоумышленников, пользующихся доверием паникующих вкладчиков и нестабильной обстановкой на банковском рынке. В статье рассматриваются ключевые вопросы применения анализа больших данных как технологической основы противодействия мошенничеству в практической деятельности банков. Задачи такой борьбы – определить операции злоумышленников в потоке больших объемов статистической информации с наибольшей точностью и принять превентивные меры для минимизации ущерба. Целью статьи является оценка возможности использования банками технологии машинного обучения и разработка алгоритма выявления мошеннических операций на основе программирования. Особое внимание уделяется текущей экономической обстановке, ее влиянию на финансовую систему в целом, и особенно на переориентацию деятельности банковского сектора на борьбу с мошенническими действиями в условиях активизации фрод-деятельности.
In connection with the strengthening of Western sanctions on the Russian banking sector, the number of malefactors, who enjoy the confidence of panicking depositors and the unstable situation in the banking market, has increased dramatically. The article discusses the key issues of the application of big data analysis as a technological basis for countering fraud in the practical activities of banks. The objectives of such a struggle are to determine the operations of intruders in the flow of large volumes of statistical information with the greatest accuracy and to take preventive measures to minimize damage. The purpose of the article is to assess the possibility of using machine learning technology by banks and develop an algorithm for detecting fraudulent transactions based on programming. Particular attention is paid to the current economic environment, its impact on the financial system as a whole, and in particular, on the reorientation of the banking sector to combat fraud in the context of increased fraud activity.
The authors declare that there are no conflicts of interest present.