Челябинские ученые научили нейросеть распознавать подозрительные транзакции
Алгоритм может быть использован в повседневной работе служб безопасности банков и для контроля над «цифровой валютой».
Старший научный сотрудник Южно-Уральского государственного университета Алексей Ручай и его коллеги обучили искусственный интеллект распознавать подозрительные банковские транзакции с помощью градиентного бустинга. Результат испытаний показал высокий уровень безошибочности – 99.21% верных попаданий, что впервые удовлетворяет требованиям банковской сферы к таким алгоритмам.
Транзакция – действие банка с деньгами, перевод их с одного счёта на другой и так далее. Некоторые транзакции могут казаться подозрительными сотрудникам налоговых служб и криминалистам. Одинаковые поступления на счет могут быть признаком незаконной торговли или распространения наркотиков. Отследить одновременно тысячи трансакций может только компьютер.
Для обучения нейросети применяются уже наработанные базы транзакций, где подозрительные строки помечены заранее. Челябинские ученые использовали для обучения и тестирования своей системы базу Elliptic, в которой подобраны транзакции биткоина. Эта база не сбалансирована: в ней примерно двести тысяч транзакций, из которых десятая часть – подозрительна.
База Elliptic известна уже использовалась другими научными группами. Однако Алексею Ручаю и его коллегам удалось перекрыть все предыдущие результаты с помощью градиентного бустинга, который позволяет увеличить точность предсказаний. Он создает новые модели, в которых ошибкам, сделанным в прошлый раз, придаётся большее внимание. Градиентный бустинг подобен «градиентному спуску», оптимизирующему функцию, находящему её максимальные и минимальные значения.
Главный критерий работы искусственного интеллекта – безошибочность ответов. Стопроцентной безошибочности достичь невозможно, однако ученые ЮУрГУ добились наилучшего результата - 0.9921 верных ответов. Предыдущий результат составлял лишь 0.9780, что является принципиальной разницей.
