Федеративное обучение, как инструмент противодействия мошенничеству в банковском секторе. Обзор подходов

Abstract

В статье рассматриваются возможности применения технологии Federated Learning (FL) для повышения эффективности выявления банковского мошенничества, основанного на методах социальной инженерии, таких как телефонное мошенничество, фишинговые атаки и схемы с использованием поддельных сотрудников банков или государственных органов. Особое внимание уделено проблеме ограниченного обмена данными между банками, обусловленного требованиями законодательства о защите персональной информации. Федеративное обучение позволяет нескольким банкам совместно обучать модели машинного обучения без передачи исходных клиентских данных, что открывает новые возможности для повышения качества обнаружения мошеннических операций.

Исследование основано на анализе научных публикаций, опубликованных в 2016–2025 годах. Результаты показывают, что Federated Learning обладает значительным потенциалом для решения проблемы недостатка данных о мошеннических операциях, однако существующие исследования имеют ряд существенных ограничений. Во-первых, большинство разработанных моделей ориентировано на выявление мошенничества с банковскими картами и компрометацией учетных записей, тогда как мошенничество, основанное на социальной инженерии, остается недостаточно изученным. Во-вторых, вопросы обеспечения конфиденциальности в процессе совместного обучения моделей требуют дальнейшего развития. В-третьих, объяснимость принимаемых моделью решений чаще рассматривается как дополнительный элемент системы, а не как обязательный компонент архитектуры. Наконец, практически отсутствуют исследования, посвященные организационным и управленческим механизмам межбанковского сотрудничества при использовании федеративного обучения.

Для устранения выявленных ограничений предложена концептуальная модель HybridFL-XAI, объединяющая федеративное обучение и методы объяснимого искусственного интеллекта. Предлагаемая архитектура может служить основой для разработки межбанковских антифрод-систем нового поколения, обеспечивающих эффективное обнаружение мошенничества при соблюдении требований к конфиденциальности данных, прозрачности алгоритмических решений и взаимодействию участников.