| Каталог статей |
|
Турило А.А., Музыка Т.А. Усовершенствование мониторинга по устранению операционных ошибок связанных с пластиковыми карточкамиТранзакции по кредитным картам достигают сейчас 90% от общего объема транзакций, совершаемых в Internet. Безусловно, электронная коммерция потенциально содержит лазейки для краж и злоупотреблений, как, впрочем, и другие, более традиционные виды торговли. Следует отметить, что использование кредитных карт в киберпространстве является во многом гораздо более безопасным, чем в обыденном мире. В любом случае данные о номерах кредитных карточек сделавших приобретения покупателей какое-то время находятся в магазине, что дает беспринципным сотрудникам возможность воспользоваться ими в мошеннических целях. Прослушивание телефонной линии для получения номеров кредитных карточек с технической точки зрения также представляется гораздо более легкой задачей, чем перехват и декодировка транзакции в Internet. Тем не менее, покупатели хотят большей безопасности. Поставщикам необходимо убедиться в платежеспособности заказчика, прежде чем осуществлять отгрузку товара по заявке. Поэтому автоматизация расчетов по пластиковым картам через Internet на основе единых стандартов для продавцов, банков и процессинговых компаний является единственным способом для продвижения в жизнь электронной коммерции. И введение подобных стандартов уже не за горами. Наряду с очевидными преимуществами внедрения карточных проектов финансовые институты несут определенные потери от разного рода рисков. В современных банковских информационных системах, как правило, имеются средства, поддерживающие процедуры принятия решений по управлению теми или иными банковскими рисками. В первую очередь, это программные средства мониторинга банковских операций с пластиковыми картами, позволяющие распознать несанкционированное использование карты, перерасход денежных средств по счету или другие факторы риска. В основном такие программы являются западными разработками или аналогами зарубежных продуктов. Даже, если программные средства разрабатываются отечественными специалистами, банковские сотрудники не обращают должного внимания на поступающие в режиме реального времени сигналы опасности и приступают к рассмотрению проблемы клиента только после получения его письменного заявления о претензии. Такой подход к проблеме снижает возможность эффективной минимизации риска. Во-вторых, особенность украинского рынка заключается еще в том, что не существует системы эффективного отбора потенциальных держателей карт. Банки действуют по принципу «чем больше клиентов привлечем, тем лучше», тем самым не формируя целевых групп клиентов и увеличивая процент высокорискованных держателей карт. В-третьих, в стране сохраняется большое недоверие к безналичным деньгам. Например, сотрудники организаций, получающие зарплату по банковским картам, являются держателями последних помимо своей воли, и каждый раз любые поступления на карточку стремятся тут же перевести в наличную денежную форму. В-четвертых, у нас слабо развита практика страхования банковских рисков. Особенностями использования пластиковых денег определяется специфика возможных рисков. Помимо административных рисков и рисков вторичного воздействия, которые отмечают исследователи данной проблемы, украинские условия порождают широкие возможности для возникновения рисков мошенничества. К последним следует отнести: изготовление поддельных карт, операции по несуществующим номерам карт, операции по украденным или потерянным картам, превышение допустимой суммы или лимита частоты снятия денежных средств. Среди исследований, так или иначе затрагивающих операции банков с пластиковыми картами, можно выделить следующие наиболее значимые направления: эффективность функционирования платежных карточных систем в коммерческих банках (Д.В. Подольский, С.А. Страдымов, В.Г. Кулагин); экономические условия применения пластиковых карт в системе безналичных расчетов (С.М. Гуриев, О.В. Чередниченко, Т.В. Кириченко); методы обеспечения безналичных расчетов на основе пластиковых карт (Ю.А. Радцева); использование банковских карт в области туризма (Н.В. Малышева), а также исследования Гайсиной Г. В. Цель работы: исследование проблем в области использования пластиковых карточек, разработка системы анализа рисков, связанных с растущей популярностью использования банковских пластиковых карточек, с использованием современных методов и технологий с целью повышения безопасности платежных систем и минимизации их рисков. Объектом исследования выступает платежная система в части взаимоотношений банка-эмитента и его клиента. Практическая значимость работы заключается в том, что ее положения могут найти применение в решении тактических и стратегических задач в рамках планирования деятельности по обслуживанию держателей пластиковых карт и ведению карточных счетов в кредитных организациях, а также обеспечить возможность эффективного контроля рисков. Научная новизна исследования состоит в построении концепции управления мониторинга улутшения при исполнении операций с банковскими пластиковыми картами, и разработке методов снижения потенциальных убытков для банка-эмитента. Все существующие системы можно условно разделить на системы, действующие в области эмиссии и эквайринга пластиковых карт. Системы мониторинга можно распределить на три группы по уровню сложности решаемых задач и соответственно по эффективности:
Системы мониторинга в области эквайринга. Платежная система VISA регламентировала минимальные требования к стандартам мониторинга операций в торгово-сервисной сети. Начиная с 01.01.2001г. все эквайреры должны соответствовать этим стандартам. Платежная система оставляет за собой право анализировать транзакции, поступающие из торгово-сервисной сети и проводить проверки систем мониторинга эквайрера. VISA устанавливает следующие параметры мониторинга торгово-сервисной сети: Мониторинг транзакций:
Мониторинг авторизации. Мониторинг ведется по тем же параметрам, только основан не на периоде между инкассациями, а на рабочих днях торговой точки. Дополнительно проводится мониторинг негативных ответов авторизационной системы. Мониторинг целесообразно базировать на таблице, содержащей средние значения параметров мониторинга, вычисленные за последние 90 дней. Текущее значение параметров (на сегодня) сравнивается со средними значениями и если хотя бы по одному параметру фиксируется отклонение от среднего на определенную величину (например 200%), то торговая точка включается в Exception отчет. В Exception отчет целесообразно включать активность точек из списка Exception merchants, которые ведется оператором системы мониторинга. Для удобства анализа Exception отчета необходимо иметь информационную поддержку, содержащую:
В случае возникновения подозрений в законности проведения операции, что является следствием анализа поведения торговой точки, система мониторинга должна позволять в автоматическом режиме формировать факс-запрос в банк-эмитент, выпустивший карточку. По получении запроса на подтверждение транзакции от банка-эквайрера банк-эмитент должен связаться с своим клиентом и выяснить правомерность проведения операции. После выяснения деталей транзакции банк-эмитент направляет ответ на запрос. Сегодня для оценки рисков применяют новые эволюционные методы. В качестве такого метода используются нейронные сети. Самый простой вариант применения искусственных нейронных сетей в задачах оценки риска - использование обычного персептрона с одним, двумя, или (в крайнем случае) тремя скрытыми слоями. При этом на входы нейронной сети обычно подается набор параметров, на основе которого (по мнению эксперта) можно успешно прогнозировать. Если входных параметров много, крайне рекомендуется не сбрасывать их сразу в нейронную сеть, а попытаться вначале провести предобработку данных, для того чтобы понизить их размерность, или представить в правильном виде. Вообще, предобработка данных - отдельная большая тема, которой следует уделить достаточно много времени, так как это ключевой этап в работе с нейронной сетью. В большинстве практических задач по прогнозированию продаж предобработка состоит из разных частей. Алгоритм построения систем оценки риска на основе нейронных сетей следующий: 1) Работа с данными Составить базу данных из примеров, характерных для данной задачи Разбить всю совокупность данных на два множества: обучающее и тестовое (возможно разбиение на 3 множества: обучающее, тестовое и подтверждающее). 2) Предварительная обработка Выбрать систему признаков, характерных для данной задачи, и преобразовать данные соответствующим образом для подачи на вход сети. В результате желательно получить линейно отделяемое пространство множества образцов. Выбрать систему кодирования выходных значений (классическое кодирование, 2 на 2 кодирование и т.д.) 3) Конструирование, обучение и оценка качества сети: Выбрать топологию сети: количество слоев, число нейронов в слоях и т.д. Выбрать функцию активации нейронов (например "сигмоида") Выбрать алгоритм обучения сети Оценить качество работы сети на основе подтверждающего множества или другому критерию, оптимизировать архитектуру (уменьшение весов, прореживание пространства признаков) Остановится на варианте сети, который обеспечивает наилучшую способность к обобщению и оценить качество работы по тестовому множеству. 4) Использование и диагностика Выяснить степень влияния различных факторов на принимаемое решение (эвристический подход). Убедится, что сеть дает требуемую точность классификации (число неправильно распознанных примеров мало) При необходимости вернутся на этап 2, изменив способ представления образцов или изменив базу данных. К результатам работы разрабатываемой подсистемы можно отнести следующее:
Итак, из обзора существующих систем можно сделать вывод, что лишь некоторые из исследований тем или иным образом привлекают математическую теорию, главным образом, нацеленную на решение задач повышения эффективности мониторинга работы департамента пластиковых карт банка, однако применение математических методов для оценки риска банковских операций с пластиковыми картами не находит должного применения до настоящего времени. Проблемы, сопровождающие внедрение и использование пластиковых денег, убеждают в том, что каждое кредитное учреждение, эмитирующее пластиковые карты, должно выстраивать целую комплексную систему защиты от возможных рисков. Решить поставленные задачи планируется с использованием нейронных сетей. Не смотря на относительную сложность и недетерминированность нейронных сетей, эти технологии не сразу вышли за рамки чисто научного применения. Тем не менее, с течением времени уровень доверия к новым технологиям только повышается, в том числе и со стороны бизнеса. С начала 90-х годов начали регулярно появляться сообщения об установках нейросетевых систем в разных компаниях, банках, корпоративных институтах. Причем сфера использования новых технологий была очень многогранной - оценка рисков, контроль технологических процессов, управлние роботами и многое другое. В настоящее время можно с уверенностью сказать, что использование нейронных сетей при оценке риска дает ощутимое преимущество по сравнению с более простыми статистическими методами. Параметрами в исследуемой задачи является система признаков, которая характерезует “безопасное поведение клиента” с точки зрения банка или билинговой (платежной) системы, для которого присущи такие признаки как:
Итак, из проделанной исследовательской работы статьи можно сделать следующией вывод: в настоящее время можно с уверенностью сказать, что использование нейронных сетей дает ощутимое преимущество по сравнению с более простыми статистическими методами и позволят самым оптимальным образом учитывать все признаки использования карточки.
Литература:
|