Схемы заработка заработок в интернете Сканы любых документов недорого
обучение кардинг форум Уникальная схема заработка в сфере дебетовых карт
Виды дебетовых карт, бизнес селлеров карт, обучение, комплексный курс по серой тематике О том как всё это у всех начинается и почему по разному заканчивается
Продажа дебетовых карт, продажа ООО ИП, обнал Создание анимированных flash/gif баннеров, аватарок, оформлению тем и прочему графену, привлечение клиентов
Круглосуточный обмен валют, покупка продажа биткоинов, обменник Кредит без справок о доходах Пробив номера МТС, Билайн, Мегафон, Теле2 Гарант сервис, безопасное проведение сделок

FICO FRAUD SCORE и другие антикредитные механизмы

Тема в разделе "Энциклопедия Tenec.cc", создана пользователем simko, 6 июл 2015.

  1. simko

    simko Корифей

    Регистрация:
    06.04.2015
    Сообщения:
    2.393
    Симпатии:
    1.274
    Баллы:
    113
    Пол:
    Мужской
    Депозит:
    0 р.
    FRAUD SCORE

    Тема интересная, и хочется иметь больше информации об этом механизме. Прошу всех, кто имеет какую либо информацию - выкладывать ее тут!

    Уникальная скоринговая модель, позволяющая оценить вероятность повышенного риска выдачи займа на основе анкетных данных и кредитной истории потенциального заемщика.

    Скоринговая модель разработана лидером в области предиктивной аналитики – компанией FICO® на основе обработки миллионов конкретных кредитных заявок и кредитных историй. Модель характеризуется высокой прогнозной точностью, простотой интеграции в существующие у кредитора системы андеррайтинга заемщиков и возможностью управления на стороне кредитора.


    Как работает модель

    1. Кредитор направляет в НБКИ запрос на кредитный отчет с передачей ряда параметров анкеты потенциального заемщика
    2. НБКИ осуществляет поиск кредитного отчета и производит расчет FICO Application Fraud Score
    3. Информация отправляется кредитору
    4. Кредитор принимает решение о выдаче займа
    ВАЖНО: Кредитору не требуется формирования дополнительных каналов информационного обмена. Передача и получение информации осуществляется по стандартным для кредитора каналам информационного обмена.


    Что получает кредитор

    1. Скоринговыый балл от 1 до 999, рассчитанный по модели FICO Application Fraud Score (более высокий показатель означает более высокую вероятность мошенничества).
    2. Описание критериев, повлиявших на расчет итогового балла

    ВАЖНО: Кредитор получает количественную информацию, позволяющую максимально оперативно принять решение. В тоже время, на основе собственного опыта и анализа своей целевой группы (в том числе для разных типов кредитов, клиентских групп, регионов и т.п.) кредитор имеет возможность придавать собственные статусы определенным правилам и критериям модели, настраивая эффективность скоринга для различных групп заявок.


    Результат

    • Благодаря использованию FICO Application Fraud Score кредитор с высокой вероятностью исключает выдачу займов мошенникам.
    • Совместное использование FICO Application Fraud Score с другими скорингами FICO (т.е. параллельный расчет риска мошенничества и кредитного риска) на этапе рассмотрении кредитной заявки позволяет значительно повысить эффективность управления рисками в розничном кредитовании.
    • Анализ кредитной заявки потенциального заемщика проводится так же быстро, но с более высоким качеством.

    УНИКАЛЬНОСТЬ СКОРИНГОВОЙ МОДЕЛИ FICO APPLICATION FRAUD SCORE ДЛЯ РОССИИ
    Существующие на российском рынке промышленные системы определения риска мошенничества ограничены настройкой правил и процедур, позволяющих по определенным параметрам (совпадениям) выявлять кредитные заявки, потенциально несущие угрозу мошенничества.

    Национальное бюро кредитных историй (НБКИ) и FICO первыми в России предложили математическую модель оценки вероятности таких угроз. Для разработки модели специалисты и аналитики НБКИ и FICO провели анализ более 10 миллионов реальных кредитов, выданных в России. Разработка математической модели учитывала все лучшие мировые практики, используемые FICO и ее партнерами по всему миру.

    Предлагаемый НБКИ и FICO подход к управлению рисками мошенничества доказал свою эффективность в кредитных организациях, практикующих различные кредитные стратегии на разных рынках. Во всех случаях использование FICO Application Fraud Score и его аналогов приводило к снижению потерь от мошеннических действий, повышению эффективности используемых кредиторами систем управления рисками и к росту доходов.
     
  2. simko

    simko Корифей

    Регистрация:
    06.04.2015
    Сообщения:
    2.393
    Симпатии:
    1.274
    Баллы:
    113
    Пол:
    Мужской
    Депозит:
    0 р.
    06.07.2015 17:39
    Альфа-Банк интегрировал в систему принятия решения по выдаче розничных кредитов скоринговую модель Fraud Score, разработанную FICO и НБКИ. Модель предполагает практически моментальную оценку вероятности кредитного мошенничества на этапе анализа кредитной заявки, что позволяет банку повысить свою защищенность от кредитных мошенников.

    «Использование скоринговой модели FICO Fraud Score позволит нам быстро выявлять подозрительные кредитные заявки для детального анализа, — говорит главный портфельный риск-менеджер Альфа-Банка Павел Аксенов. – Это также повысит скорость и качество обнаружения потенциально недобросовестных заемщиков. Тестирование модели FICO Fraud Score на реальных кредитных анкетах показало высокое качество сегментации, что дает основание ожидать повышения эффективности всей процедуры принятия решений в банке».

    «Развитие розничного кредитования привело к появлению целой индустрии кредитного мошенничества, от которой страдают и кредиторы, и добросовестные заемщики, — отмечает генеральный директор Национального бюро кредитных историй (НБКИ) Александр Викулин. – Именно поэтому НБКИ сконцентрировало свои усилия на разработке и внедрении в российскую практику современных инструментов противодействия мошенничеству».

    «Скоринговая модель FICO Fraud Score позволяет кредитору избежать потерь на самом важном этапе кредитного процесса – на этапе рассмотрения заявки до выдачи кредита, — говорит директор по скорингам FICO Елена Конева. – Наши аналитики и эксперты проделали огромную работу по созданию модели, ранжирующей кредитные заявки по степени риска кредитного мошенничества. Применение FICO Fraud Score совместно с традиционным скорингом бюро, оценивающим риски на основе кредитных историй, способно существенно улучшить процесс предоставления займов не только в масштабе кредитной организации, но и во всей системе розничного кредитования в стране».
     
  3. simko

    simko Корифей

    Регистрация:
    06.04.2015
    Сообщения:
    2.393
    Симпатии:
    1.274
    Баллы:
    113
    Пол:
    Мужской
    Депозит:
    0 р.
    Заемщики лицом не вышли

    В марте «ХКФ банк» внедрил новую технологию идентификации клиентов, рассказал «Ведомостям» директор по управлению рисками Якуб Кудрна. Теперь для этого используются не только данные документов, но и биометрические параметры лица (например, координаты расположения глаз), которые сравниваются с фотографией в паспорте.

    Такие технологии используются в аэропортах и на других объектах, где требуются повышенные меры безопасности. «Нам неизвестно о других примерах использования биометрической проверки в банковской рознице. С помощью этой технологии мы можем помогать правоохранительным органам ловить так называемых мошенников-коммивояжеров, которые пытаются получить кредиты по разным паспортам», — говорит Кудрна.

    Решение о выдаче кредита обычно принимается в течение 30 минут, а биометрическая проверка занимает не больше пяти, объясняет Кудрна: обнаружив признаки мошенничества, специалисты банка сразу оповещают правоохранительные органы (участкового или охрану торгового центра), у которых есть время доехать и задержать подозреваемого, пока тот дожидается решения банка по своей заявке.

    Так полиция поймала шестерых потенциальных мошенников, пытавшихся взять кредит в ХКФ, говорит представитель банка.

    Представитель МВД не стал комментировать новации банкиров. Эта технология позволит отсечь значительное количество мошенников, берущих кредиты по чужим паспортам, согласен сотрудник центрального аппарата МВД.

    Этот способ популярен у мошенников, активность которых растет вместе с розничным кредитованием (см. врез). Когда в прошлом году сотрудник «Ведомостей» потерял паспорт, мошенники по нему взяли кредиты в трех банках. Правда, в декабре в УК появилась статья, предусматривающая наказание за кредитное мошенничество (хищение средств путем предоставления недостоверных данных) — до 10 лет заключения.

    Методика распознавания человека через биометрические технологии пока несовершенна, говорит топ-менеджер компании, предоставляющей услуги по выявлению мошеннических схем: «она не может точно учитывать мимику лица, ее трудно механизировать», но само наличие камеры уже дисциплинирует клиента. Мошенники, по словам банкиров, часто приходят в банк с переклеенными в чужие паспорта фотографиями, а порой и вовсе с неизмененными паспортами.

    «Это интересный сервис, часть большой системы по предотвращению мошенничества, — говорит зампред правления «Ренессанс кредита» Татьяна Хондру, — но для получения ощутимого эффекта нужно использовать ее в течение нескольких лет, составлять базу данных».

    У ХКФ она насчитывает данные более чем о 10 млн клиентов: банк давно фотографирует своих клиентов и к 2010 г. собрал обширную базу фотографий и решил использовать ее против мошенничества, пояснил Кудрна.

    Создание такой базы данных законно только при согласии граждан на фотографирование, предупреждает сотрудник центрального аппарата МВД. Представитель ХКФ заверил, что у каждого клиента берется согласие на обработку персональных данных.

    В 2011—2012 гг. ХКФ обкатывал систему, только отказывая подозрительным клиентам в кредитах, не обращаясь в правоохранительные органы (звонки начались с апреля), говорит Кудрна: «Уже за это время, по нашим оценкам, мы окупили вложения в биометрической технологии».

    Объем инвестиций он не раскрывает, но камеры установлены в десятках тысяч точек — во всех офисах и точках продаж (включая торговые сети), а также в большинстве точек продаж партнеров.

    Для идентификации используется не только биометрическая проверка.

    ХКФ анализирует другие документы, предоставленные заемщиком, при возможности использует открытые базы данных миграционной службы и службы судебных приставов и т. п. Это позволяет избежать ошибок. Например, если человек сменил паспорт и его номерные данные не совпадают с предыдущими данными в базе данных банка.

    «Ренессанс кредит» из технических способов использует «Хантер», внедряет межбанковские cистемы, в частности FPS (fraud prevention system, см. врез), и изучает другие сервисы, перечисляет Хондру.

    В феврале Национальное бюро кредитных историй совместно с компанией FICO предложили скоринговую модель, позволяющую отслеживать заявки на кредит, для которых характерен высокий риск мошенничества. Сейчас к ней подключено более 150 компаний — не только банки, но и все, кто выдает кредиты, а число обращений за скорингом (проверка потенциального заемщика) достигло 1 млн в месяц. Банки в основном проверяют заявки на кредитные карты и кредиты наличными, добавила представитель компании FICO Елена Конева.

    «FICO не использует биометрические данные нигде в мире, так как такие данные недостоверны и не дают требуемого результата», — уверяет Конева.

    О проблеме мошеннических кредитов свидетельствует рост невозврата полученных ссуд. По данным НБКИ, количество просроченных счетов, по которым не было вообще ни одного платежа, за прошлый год выросло на 31% примерно до 576 000. Многие из этих мошеннических действий ведут к появлению так называемых плохих долгов и более плотной работе с коллекторами.

    Из шести пойманных при помощи новой системы ХКФ клиентов два стали фигурантами уголовных дел, «по остальным дела находятся на стадии возбуждения», говорит представитель ХКФ.

    Мошеннический процент

    Беззалоговое кредитование — одно из самых притягательных для мошенников. На них, по оценкам специалистов Бюро кредитных историй, приходится до 1% заявок, в этом году эта доля может вырасти вдвое, а объем кредитов, передаваемых в работу коллекторам, по оценке «Секвойя кредит консолидэйшн», — на 45—50%. Банки относят заемщиков к числу мошенников, если они уклоняются от уплаты пяти и более кредитов.

    Как выявить мошенника

    На сегодняшний день в рамках борьбы с мошенничеством банки часто используют другую технологию обмена данными — FPS (система противодействия мошенничеству) на базе кредитного бюро Equifax (более 100 млн кредитных историй физлиц), которая не включает в себя биометрию. ХКФ ее тоже использует. Банки, заинтересованные в обмене данными, передают в систему информацию о поступивших кредитных заявках в обезличенном виде, а FPS проводит анализ пула доступных кредитных заявок и выявляет несоответствие в информации, факты ее повторного применения и использование подложных идентификационных данных со стороны мошенников.
     
    Anunak нравится это.
  4. simko

    simko Корифей

    Регистрация:
    06.04.2015
    Сообщения:
    2.393
    Симпатии:
    1.274
    Баллы:
    113
    Пол:
    Мужской
    Депозит:
    0 р.
    Рынок электронной коммерции в России прирастает более чем на 30% ежегодно. Его обороты измеряются миллиардами рублей. Вместе с e-commerce растет рынок безналичных платежей, и банковские карты становятся все более привычным и популярным платежным инструментом. А там, где есть большие деньги, очень скоро появляются и те, кому они не дают покоя – мошенники всех уровней и мастей.

    Вы не можете просматривать внешние ссылки, для просмотра зарегистрируйтесь или авторизуйтесь на форуме !

    Вы не можете просматривать внешние ссылки, для просмотра зарегистрируйтесь или авторизуйтесь на форуме !

    Вы не можете просматривать внешние ссылки, для просмотра зарегистрируйтесь или авторизуйтесь на форуме !


    [​IMG]Ольга Корнеева, директор по маркетингу процессингового центра PayOnline

    Уберечь предприятие от финансовых рисков позволяет своевременный и системный мониторинг платежей. В этой статье мы расскажем об особенностях системы fraud-мониторинга, являющейся одним из основных компонентов SaaS-решения для банков и НКО «Интернет-эквайринг в коробке».

    Российский рынок безналичных платежей идет в ногу с рынком электронной коммерции. Их динамичное развитие влечет за собой рост количества мошеннических операций, связанных с безналичными платежами, в частности – с платежами по банковским картам. Подробно о мошенничестве по банковским картам в Интернете и современных эффективных инструментах борьбы с ним мы рассказывали читателям Bankir.Ru в статье

    Вы не можете просматривать внешние ссылки, для просмотра зарегистрируйтесь или авторизуйтесь на форуме !

    .


    Процессинговый центр PayOnline занимается обеспечением безопасности безналичных платежей в Интернете более 10 лет, а с 2008 года работает также и на российском рынке. Еще в 2009 году система мониторинга мошеннических операций заслужила признание российского технологического сообщества и была отмечена грантом в рамках конкурса инновационных проектов «Бизнес-СТАРТ», проводимого Фондом содействия развитию малых форм предприятий в научно-технической сфере при поддержке компании Microsoft. Система разрабатывалась специалистами PayOnline на основании международных технологических наработок и собственного практического опыта ежедневной обработки огромного массива платежей. За 5 лет платформа fraud-мониторинга (fraud (англ.) – мошеннические операции с банковскими картами, совершенные без физического присутствия карты) PayOnline развилась в один из самых высокотехнологичных продуктов на российском рынке интернет-эквайринга.

    Неудивительно, что в SaaS-решении «Интернет-эквайринг в коробке» (см. интервью с директором по маркетингу PayOnline Ольгой Корнеевой

    Вы не можете просматривать внешние ссылки, для просмотра зарегистрируйтесь или авторизуйтесь на форуме !

    )
    инновационная система fraud-мониторинга является одним из ключевых компонентов. В этой статье мы расскажем о ключевых особенностях системы, о логике ее работы, самообучаемости и основных механизмах защиты предприятий электронной коммерции от атак мошенников и, следовательно, финансовых рисков.

    Использование системы мониторинга мошеннических операций позволяет решить одновременно две задачи:

    1. обеспечить максимально высокий уровень безопасности приема платежей для наших клиентов – интернет-магазинов;

    2. сохранить процесс совершения безналичной оплаты простым и удобным для каждого владельца банковской карты.

    И ни одной из этих задач невозможно отдать приоритет: если сделать упор на максимальном уровне безопасности оплат, есть риск возникновения высокого уровня отказов по оплатам и, следовательно, недополучения прибыли. Если ориентироваться на потребности владельцев банковских карт и отказаться от тщательной проверки платежей системой fraud-мониторинга, есть вероятность понести значительные финансовые потери в связи с возрастающим риском возникновения мошеннических операций.

    Именно сочетание интересов безопасности и сохранения максимальной прибыльности бизнеса делает разработку системы fraud-мониторинга сложной и нетривиальной задачей, требующей слаженной работы квалифицированных аналитиков, разработчиков и специалистов по рискам. Также для составления и своевременной корректировки алгоритмов мониторинга операций необходимы постоянная обработка и анализ больших массивов данных совершенных транзакций.

    Также нельзя забывать о том, что в сфере электронной коммерции работают компании различных типов бизнеса: международные финансовые организации, маленькие интернет-магазины, глобальные авиакассы, скидочные сервисы, провайдеры услуг, в общем – компании с совершенно различной географией деятельности, размерами платежей и спецификой оказываемых услуг. Правила fraud-мониторинга не могут быть одними на всех. Именно поэтому в ходе развития процессингового центра и расширения пула клиентов было создано более 140 индивидуально настраиваемых фильтров безопасности. Качественная настройка системы фильтров позволяет минимизировать риски возникновения мошеннических операций без потери прибыли.

    Однако если рассматривать работу системы fraud-мониторинга в целом, обработка каждого платежа проводится гибкой интеллектуальной системой мониторинга и предотвращения мошеннических операций по обобщенному алгоритму.

    Владелец банковской карты приходит на сайт интернет-магазина, принимающего онлайн-оплаты на технологической базе процессингового центра PayOnline. Он оформляет заказ и переходит на защищенную платежную страницу PayOnline, на которой вводит необходимые для совершения оплаты данные.

    После нажатия кнопки «Оплатить» в игру вступает система fraud-мониторинга PayOnline. В этот момент она обладает двумя частными информационными пакетами: информацией об этом единичном платеже и среднестатистическим профилем плательщиков интернет-магазина, на котором была совершена оплата. Система не только оценивает данный платеж, но и учится на нем, пополняя собственную статистическую базу. Алгоритмы, на основании которых работает система fraud-мониторинга, позволяют оценить множество факторов, среди которых основными являются:

    • география совершения платежа;
    • география расположения банка, эмитировавшего карту;
    • размер транзакции;
    • платежная история банковской карты;
    • среднестатистический профиль плательщиков данного магазина.
    Транзакция проходит первичный анализ на основании множества этих факторов и ей присваивается метка, которая характеризует определенный способ обработки транзакции. Существуют три типа меток. «Зеленая» отмечает транзакции с низкой вероятностью возникновения мошеннической операции. «Желтой» меткой отмечаются транзакции, в которых шанс возникновения мошеннической операции выше среднего, и для проведения платежа потребуются дополнительные действия. «Красной» отмечаются транзакции, которые с наибольшей вероятностью могут оказаться мошенническими, и при их проведении потребуется документальное подтверждение аутентичности владельца карты.

    «Судьба» каждой метки индивидуальна. В графическом виде мы представили жизненный цикл транзакций всех трех типов на Рисунке 1. Далее на нескольких простых примерах мы рассмотрим типовые транзакции всех «цветов» и расскажем, какие проверки определяет транзакциям система fraud-мониторинга в зависимости от уровня риска возникновения мошеннической операции.

    [​IMG]

    Рисунок 1. «Жизненный цикл» транзакций с разными уровнями риска возникновения мошеннической операции

    С «зелеными» транзакциями все максимально просто: например, плательщик осуществляет оплату из России, картой, выпущенной российским банком. Сумма платежа не превышает среднего чека магазина.

    Система мониторинга присваивает транзакции «зеленую» метку. Далее транзакция отправляется на авторизацию с помощью 3-D Secure. А если карта не подписана на сервис одноразовых паролей или банк-эмитент еще не поддерживает данный сервис, запрос на авторизацию этой транзакции будет направлен в процессинговый центр банка-плательщика обычным способом – напрямую.

    Средний уровень риска возникновения fraud-а определяет иной путь проверки оплаты на легитимность. Метка «желтого» цвета присваивается транзакциям со средним и выше среднего уровнями риска возникновения мошеннических операций. Например, в российском интернет-магазине покупка оплачивается банковской картой, выпущенной в Великобритании. В это время плательщик находится в России.

    Система помечает данную транзакцию «желтой» меткой, и для ее авторизации могут потребоваться дополнительные действия плательщика. Если карта подписана на 3-D Secure, то транзакция (как и в случае с «зеленой» меткой), будет авторизована с использованием одноразового пароля. Однако, если плательщик не может воспользоваться этим способом авторизации платежа, то его банковская карта будет автоматически направлена на онлайн-валидацию.

    Данный механизм (графически механизм онлайн-валидации представлен вашему вниманию на Рисунке 2) построен на основе списания произвольной суммы от 1 до 10 рублей (или эквивалентной суммы в USD или EUR) с банковской карты плательщика и ее подтверждения владельцем карты. После проведения микроплатежа клиент получает информацию об объеме списанных с карты средств (SMS, интернет-банк, звонок в банк) и вводит ее с точностью «до копейки» на платежной странице процессингового центра. Подлинность владельца карты будет подтверждена точным указанием размера списанной суммы. В случае ввода корректной суммы платеж авторизуется процессинговым центром и направляется в процессинговый центр банка.

    [​IMG]

    Рисунок 2. Механизм онлайн-валидации (валидации SapMax)

    «Красную» метку система fraud-мониторинга автоматически присваивает транзакциям с высоким уровень риска совершения мошеннических операций. Например, оплата в интернет-магазине осуществляется картой, выпущенной в стране, отличной от места регистрации и работы предприятия-продавца, а размер платежа отличается от размера среднего чека в данном интернет-магазине.

    Если платежи с помощью данной банковской карты ранее не совершались через наш процессинговый центр, система fraud-мониторинга пометит транзакцию «красной меткой» и переведет ее из автоматического режима авторизации в ручной. Такой платеж будет отправлен на ручную модерацию специалистам департамента рисков процессингового центра PayOnline. Для аутентификации владельца банковской карты потребуется документальное подтверждение – отсканированное изображение банковской карты и документа, удостоверяющего личность владельца. После предоставления корректных сканов документов операция переводится из «красного» в «зеленый» цвет, авторизуется процессинговым центром и направляется на авторизацию в процессинговый центр банка. Сомнительные операции, не прошедшие ручной модерации, не авторизуются процессинговым центром во избежание риска возникновения мошеннических операций.

    Базовой характеристикой автоматической системы fraud-мониторинга PayOnline является ее способность к самообучению на основании неперсонализированных данных о совершенных транзакциях.

    Поток информации о совершенных через PayOnline платежах формирует общую статистику системы, на основании которой работают и развиваются базовые алгоритмы выявления транзакций с высоким уровнем рисков. На основании всего объема платежей, совершаемых в определенном интернет-магазине, формируется «слепок» его среднестатистического клиента. История оплат, совершенных с определенной банковской карты, позволяет отслеживать динамику изменения индивидуального платежного профиля владельца банковской карты.

    Таким образом, анализ транзакций автоматически проводится системой fraud-мониторинга сразу на трех уровнях: единичная банковская карта; профиль предприятия электронной коммерции; общий поток транзакций, обрабатываемых процессинговым центром. Вкупе с постоянно совершенствующимися алгоритмами автоматического сбора, обработки и анализа данных о совершенных платежах многоуровневый анализ транзакций позволяет системе fraud-мониторинга PayOnline своевременно изменяться, повышая уровень безопасности совершения оплат на сайтах клиентов и минимизируя риски по всем видам мошенничества, свойственным интернет-коммерции.



    Подробнее:

    Вы не можете просматривать внешние ссылки, для просмотра зарегистрируйтесь или авторизуйтесь на форуме !

     
    Anunak нравится это.
  5. Anunak

    Anunak Подлец и флудер

    Регистрация:
    23.06.2015
    Сообщения:
    814
    Симпатии:
    383
    Баллы:
    63
    Депозит:
    0 р.
    Сделки через Гарант:
    0.
    Ольга тоже еще интересная мадама ))

    Ну и ? - отрисовали - выслали - зеленый - кэш))