Jet Detective

Продукт
Название базовой системы (платформы): Apache Hadoop
Разработчики: Инфосистемы Джет
Дата премьеры системы: 2017
Отрасли: Машиностроение и приборостроение,  Торговля,  Финансовые услуги, инвестиции и аудит
Технологии: SaaS - Программное обеспечение как услуга,  ИБ - Система обнаружения мошенничества (фрод)

В основе решения Jet Detective лежат технологии машинного обучения и искусственного интеллекта. Главные преимущества Jet Detective – скорость и точность выявления фрода с минимальными показателями ложных срабатываний.

Решение от «Инфосистемы Джет» агрегирует сотни тысяч операций в минуту из множества источников (от сетевых каналов до бизнес-систем), затрачивая доли секунды на анализ каждого события. Применение общих экспертных правил анализа наряду с методами машинного обучения позволяют предотвращать не только известные виды мошенничества, но и реализацию новых схем. Кроме того, решение помогает выявлять готовящиеся хищения и сложные случаи мошенничества, когда противоправные действия совершаются разными лицами, в разных системах и в разное время.

Система Jet Detective предназначена для компаний любых отраслей: банков, ритейла, промышленных предприятий и т.д. Оно может быть развернуто как на площадке заказчика, так и в облаке по модели SaaS. На сегодняшний день на базе данного решения компания «Инфосистемы Джет» уже реализовала несколько пилотных проектов в организациях финансового сектора и ритейла.

Как сообщил директор Центра ИБ компании Алексей Гришин, в основе системы лежат технологии машинного обучения, искусственного интеллекта и обработки с их помощью больших данных. При этом разработчики использовали программную платформу Apache Hadoop, которая может быть реализована на любой компьютерной архитектуре и позволяет линейно масштабировать вычислительные мощности построенных на ней систем.

В компании «Инфосистемы Джет» утверждают, что отказ (благодаря платформе Hadoop) от реляционных СУБД и нетребовательность к производительности серверов (благодаря ей же) позволяют снизить совокупные затраты на систему Jet Detective примерно на 40% по сравнению с системами антифрода с традиционными архитектурами.


«Появление Jet Detective стало логичным ответом на нынешние потребности компаний, для которых наиболее актуальна проблема фрода. Если раньше созданные схемы мошенничества существовали годами, то сегодня они меняются так быстро, что компании не успевают их изучить и тем более настроить механизм их выявления в системах, – комментирует Гришин Алексей, директор Центра информационной безопасности компании `Инфосистемы Джет`. – Общаясь с заказчиками, мы понимали, что большинство предлагаемых на рынке систем не отвечают полностью их требованиям. Одни решения закрыты – в них сложно внести необходимые изменения, а иногда и невозможно. Другие – недостаточно точны в определении фрода. Третьи – требуют непрерывного контроля и самостоятельного внесения изменений в правила анализа, что снижает скорость реакции на противоправные действия. Наша многолетняя экспертиза в области антифрода и разработки ПО, а также понимание потребностей рынка дали нам возможность создать принципиально новое решение, не имеющее перечисленных недостатков».


Руководитель направления «Большие данные и машинное обучение» центра программных решений компании «Инфосистемы Джет» Колесников Евгений подчеркнул, что использование при создании системы Jet Detective языка разметки для прогнозного моделирования (Predictive Model Markup Language, PMML) является инновационным для онлайновых систем антифрода. PMML, как он отметил, наряду с интеграционной гибкостью в отношении источников данных позволяет пользователю самостоятельно корректировать изначальный вариант модели в соответствии с изменениями внутри и вне компании-заказчика.

По словам Евгения Колесникова, специалисты компании построили математическую фабрику, которая в зависимости от поступающих на вход данных подбирает те алгоритмы и методы обработки, совокупность которых для данного конкретного случая дает лучший результат.

Jet Detective в наименее нагруженные часы с доступной периодичностью (например, раз в сутки) переобучается и всякий раз создает новую модель с учетом полученных за прошедший период данных. Самообучение делает систему эффективной при использовании и в тех компаниях, в которых нет специалистов по анализу и обработке данных в цифровой форме (Data Scientist). Обращаться к помощи интегратора по поводу работы системы заказчикам, как утверждают в «Инфосистемы Джет», придется редко — только в случае существенных отклонений в работе от ожидаемых результатов.

Отличием данной разработки от представленных на российском рынке систем противодействия фроду Евгений Колесников считает доступность механизмов аналитики для их модификации, возможность оперативного изменения правил принятия решений, гибкое масштабирование и удобный пользовательский интерфейс, облегчающий оператору процесс принятия правильных решений. К тому же Jet Detective, используемая как платформа, в состоянии импортировать данные из других, отличных от PMML, моделей, например, построенных на платформе IBM SPSS Modeler.



СМ. ТАКЖЕ (3)


Подрядчики-лидеры по количеству проектов

За всю историю
2016 год
2017 год
2018 год
Текущий год

Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2016 год
2017 год
2018 год
Текущий год

Распределение базовых систем по количеству проектов, включая партнерские решения

За всю историю
2016 год
2017 год
2018 год
Текущий год

  1С:Предприятие 8.3 - 727 (144, 583)
  Bpm`online - 709 (420, 289)
  ВидеоМост (VideoMost) ВКС - 707 (707, 0)
  ELMA BPM Suite - 660 (652, 8)
  1С:Предприятие 8.2 - 500 (491, 9)
  Другие 3136

  ВидеоМост (VideoMost) ВКС - 133 (133, 0)
  1С:Предприятие 8.3 - 82 (14, 68)
  Bpm`online - 82 (80, 2)
  ELMA BPM Suite - 61 (59, 2)
  Omnicomm Online - 13 (13, 0)
  Другие 204

  Bpm`online - 103 (96, 7)
  ВидеоМост (VideoMost) ВКС - 92 (92, 0)
  1С:Предприятие 8.3 - 68 (11, 57)
  ELMA BPM Suite - 54 (53, 1)
  DirectumRX - 36 (36, 0)
  Другие 224

  1С:Предприятие 8.3 - 54 (8, 46)
  ELMA BPM Suite - 41 (41, 0)
  Bpm`online - 41 (41, 0)
  ВидеоМост (VideoMost) ВКС - 33 (33, 0)
  Microsoft Dynamics 365 - 8 (8, 0)
  Другие 105

Подрядчики-лидеры по количеству проектов

За всю историю
2016 год
2017 год
2018 год
Текущий год

Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2016 год
2017 год
2018 год
Текущий год

Распределение базовых систем по количеству проектов, включая партнерские решения

За всю историю
2016 год
2017 год
2018 год
Текущий год

  Solar JSOC - 4 (4, 0)
  FraudNet - 3 (3, 0)
  FICO Fraud Score - 3 (3, 0)
  FPS.Bio - 3 (3, 0)
  НБКИ-AFS (Anti-Fraud Service) - 3 (3, 0)
  Другие 17