Финансовая киберпреступность: всесторонний обзор подходов глубокого обучения к противодействию меняющемуся ландшафту финансовой преступности

Методы машинного и глубокого обучения широко применяются в различных областях финансов для поддержки торговых операций, мобильного банкинга, платежей и принятия решений о кредитовании клиентов. Эти методы также играют важную роль в противодействии финансовой преступности, мошенничеству и кибератакам. Финансовые преступления всё чаще совершаются в киберпространстве, а киберпреступники используют сочетание методов взлома и социальной инженерии, позволяющее обходить существующие системы защиты финансовых и корпоративных учреждений. В связи с этим появился новый обобщающий термин, отражающий меняющийся ландшафт, — финансовая киберпреступность. Она представляет собой сочетание финансовой преступности, взлома и социальной инженерии, совершаемых в киберпространстве исключительно с целью незаконного экономического обогащения. Выявление действий, связанных с финансовой киберпреступностью, является сложной задачей; например, чрезмерно ограничительный алгоритм может блокировать любую подозрительную активность, препятствуя добросовестной деятельности клиентов. Выявление и обработка законных, но подозрительных транзакций — не единственная проблема, с которой сталкиваются финансовые учреждения: со стороны клиентов и регуляторов растёт спрос на прозрачность, справедливость и конфиденциальность, что создаёт особые ограничения для применения методов искусственного интеллекта при обнаружении мошеннических действий. Традиционно для выявления финансовой преступности и мошенничества применялись системы на основе правил и методы обнаружения аномалий с использованием неглубоких моделей, однако последние разработки предполагают использование графовых методов и моделей нейронных сетей для противодействия финансовой киберпреступности. Несмотря на популярность этих подходов, по-прежнему отсутствует целостное понимание экосистемы финансовой киберпреступности, соответствующих методов, их недостатков, а также новых нерешённых задач, возникающих в этой области. В данном обзоре мы стремимся восполнить этот пробел, изучая экосистему финансовой киберпреступности по четырём направлениям: (а) различные методы мошенничества, применяемые преступниками; (б) соответствующие системы, алгоритмы, недостатки, ограничения и метрики, используемые для противодействия каждому типу мошенничества; (в) соответствующие...