Екатерина Данилова в рамках ИТ-конференции "Digital Hearts 2019".

https://cismag.ru/ https://www.cismag.news/ Екатерина Данилова, компания «Лаборатория Касперского», направление Kaspersky Fraud Prevention, рассказала, как понять, кто пользуется вашим сервисом – лояльный клиент или мошенник? Как понять, кто пользуется вашим сервисом — реальный клиент или мошенник? Банки уже приучили нас как пользователей проводить большую часть операций через личные кабинеты онлайн- и мобильного банкинга. Компании розничной торговли, медицинские учреждения, страховые компании и даже государственные структуры уже находятся в активной стадии цифровой трансформации. Выборы в государственные органы через интернет-голосование уже не кажутся чем-то фантастическим, и это подтверждают первые тестирования такого онлайн-подхода, прошедшие в Москве. И если в оффлайн-истории компания обычно взаимодействует с клиентом на физическом уровне, будь то магазин или отделение, то при использовании веб-сайта или мобильного приложения бизнес может опираться только на электронные признаки — имя пользователя, пол, частота использования сервиса, время, проведённое на сайте. Кроме того, перенос сервиса в онлайн открывает двери для кибермошенников, постоянно совершенствующих атаки как на устройство, так и на личный кабинет пользователя. В случае кражи и использования учётной записи реального пользователя мошенником компания подвергается риску прямых убытков при краже денежных средств, накоплений или персональных данных пользователя из личного кабинета, ущербу репутации при утечке инцидента в СМИ и социальные сети, снижению доверия легитимных пользователей. Помимо компрометации учётной записи, мошенники могут просто «нагенерировать» новые учётные записи и привязать их к разным почтовым адресам, а иногда и к одному. Например, в конце 2017 года командой фрод-аналитики «Лаборатории Касперского» была выявлена группа из более 3 000 синтетических аккаунтов, используемых для получения приветственных бонусов за новую регистрацию кабинета, и для управления всей группой аккаунтов использовался один почтовый ящик. Наличие большого количества синтетически созданных (фейковых) аккаунтов мешает точной оценке объёмов закупки товаров у поставщиков (особенно в дни сезонных распродаж), планированию логистической цепочки, препятствует органическому развитию программы лояльности. Для финансовых организаций борьба с мошенничеством на электронных сервисах дополнительно ко всему регулируется ещё и на законодательном уровне, в том числе и в разрезе противодействия мошенничеству по части отмывания денежных средств через банки без ведома последних (115-ФЗ, 167-ФЗ, 382-П, 375-П). Текущие методы проверки пользователя и почему они не работают Задача специалистов информационной безопасности — усилить (или хотя бы сохранить) уровень безопасности, при этом не нарушив бизнес-процессы пользовательских сценариев сервиса. Текущие методы идентификации пользователя пока требуют от конечного пользователя дополнительных действий на входе в сервис и на этапе подтверждения какой-либо транзакции (например, перевод денег). Мы говорим о кодах в СМС, виртуальных и программно-аппаратных токенах, capcha, секретных вопросах. Такой подход усложняет покупательский путь до оформления заказа и проведения платежа. Более того, злоумышленники знают пути обхода таких проверок. Система Kaspersky Fraud Prevention фиксировала случаи, когда мошенник подключался к легитимной онлайн-сессии юридического лица, подтверждённого токеном, используя «троян» и средство удалённого управления. И дело далеко не в слабой защите. Киберпреступники регулярно совершенствуют методы обхода защитных средств. Поэтому специалисты информационной безопасности постоянно смотрят в сторону новых технологий и подходов от вендоров в области информационной защиты. Технологии на основе машинного обучения — подход «нового поколения» Решение «Лаборатории Касперского» Kaspersky Fraud Prevention выводит обнаружение мошеннической активности на новый уровень, позволяя реагировать на действия пользователя на ранней стадии, ещё до проведения транзакции, и помогая распознавать легитимного пользователя и мошенника. Для повышения эффективности и точности обнаружения технологий применяются различные методы машинного обучения: кластеризация, деревья решений, нейронные сети. Система анализирует множество обезличенных параметров пользователя: характеристики устройства и его окружения, геолокацию, поведенческие шаблоны и пассивную биометрию, наличие вредоносных компонентов, ботов на устройстве и других атак — и создаёт профиль доверенного пользователя. В случае выявления какой-либо подозрительной и нетипичной активности в режиме реального времени Kaspersky Fraud Prevention мгновенно оповещает систему компании о риске мошенничества.