به گزارش سرمدنیوز، تقلب مالی واژه ای آشنا برای صنعت بانکی و پرداخت در هر کشور است. البته این لغت در ایران هم بیشتر شنیده می شود و هم می توان گفت در خصوص آن کم تدبیری شده است. با وجود حکمرانی کارت های مگنت در صنعت بانکی ایران و هم چنین تلاش ها برای اتصالات بین المللی جای خالی سامانه های کشف تقلب به شدت در صنعت بانکی و پرداخت کشورمان حس می شود.
با رشد سایت های قمار و فعالیت در گاه های بانکی در این سایت ها، بسته شدن پی در پی آن ها از سال گذشته و همچنین اعلام برگزاری مناقصه برای خرید سامانه کشف تقلب بومی از سوی شاپرک؛ ضرورت وجود این سامانه در نظام پرداخت کشورر بیش از پیش مطرح شده است.
شرکت کاسپین یکی از شرکت های بزرگ در حوزه ارایه راه کارهای بانکی است که این سامانه را در سبد محصولات خود دارد.
مصطفی جاویده معاون توسعه نرم افزار شرکت کاسپین در خصوص ضرورت وجود سامانههای کشف تقلب در صنعت بانکی و پرداخت گفت: بحث تقلب فقط موضوع صنعت پرداخت نیست دربسیاری از حوزهها میشود برای کشف تقلب ورود کرد اما یکی از پر رنگترین حوزهها بخش پرداخت وتراکنش های کارتی است که با توجه به حضور کارتهای مگنت در صنعت پرداخت ما خطر تقلب مالی افزایش پیدا کرده است. البته در حوزههای مختلف بانکی از جمله پایا و ساتنا نیز امکان تقلب وجود دارد.
ما هم در شرکت کاسپین طیف گستردهای از حوزهها که امکان تخلف در آنها وجود دارد را بررسی و محصولات خود را بر اساس ان عرضه کردهایم.
سیستمهای مبارزه با پولشویی در کنار سامانههای کشف تقلب سبب کاهش ریسک و افزایش اعتماد عمومی میشود
درحوزه وسیع مبارزه با تقلب مالی؛ سیستمهای مبارزه با پولشویی میتواند در کنار سامانههای کشف تقلب قرارگیرند و حجم وسیعی از تقلب را پوشش داده و شناسایی کند. باید این را پذیرفت که با تجهیز سیستم بانکی و پرداخت کشوربه این سامانهها؛ هم ریسک کمتری متوجه صنعت شده، هم اعتمادسازی صورت میگیرد و هم درامدسازی صحیح برای نظام بانکی و پرداخت کشور ایجاد میشود. در بحث کشف تقلب حتی ممکن است تقلبی صورت نگرفته باشد و مثلا موضوع مربوط به اشتباه کاری در ثبت اطلاعات باشد و یا نرم افزار مربوطه به اصطلاح باگ داشته باشد که در این موارد می توان پس از بررسی داده ها را اصلاح نمود.
باید ریسکها در سطوح مختلف بررسی شوند
معاون توسعه نرم افزار شرکت کاسپین در خصوص نحوه ی بررسی ریسک می گوید: در بحث کشف تقلب موضوعی با نام behavioral mining وجود دارد که به وسیله آن رفتار کارت، مشتری، شعبه یا حتی یک بانک شبیه سازی شده و در صورت تغییر این رفتار درصد ریسک نشان داده میشود ما نیز این مدل را پیاده سازی کردیم اما مشکل اینجاست که اگر سامانه بسیار منحصر به فردی را هم در بانکی پیاده سازی کنیم در صورتی که دیتاهای موجود در سامانه در سایر بانکها به گردش دراید سنجش رفتار مشتری دیگر امکان پذیر نیست. با این شرایط و در حال حاضر تخمین ریسکها محدود به یک بانک میشود. چون دادهها به طور کامل در اختیار ما نیست باید ریسکها را سطح بندی کرد و در سطوح مختلف، ان ها را شناسایی نمود سطوحی از ریسک توسط سامانههای شرکتها شناسایی و گزارش دهی شود و سپس در سطوح بالاتر نظارتی و حتی ملی ریسکها بررسی شوند. برای مثال یک سامانه برای تخلفات کارتی در بخش psp و یک سامانه هم در نهاد نظارتی پرداخت کشور وجود داشته باشد در سطح بانک نیز سامانههای کشف تقلب ریسکها را بررسی کنند. چرا که اطلاعات بانک از رفتار مشتریان بیشتر از اطلاعات یک psp است گام بعدی بررسی در سطح نهادهای نظارتی بانکی و در نهایت در بعد ملی است.البته در این پروسه نهاد نظارتی به سطوح پایینتر نباید ورود کنند و باید تقبل ضرر در سطوح مختلف نیز بر دوش هر قسمت قرار گیرد تا نهاد نظارتی هم در بخش خرد درگیر نشود.
با کمک بانک مرکزی کنسرسیومی برای ارائه راه حل جامع در حوزه کشف تقلب ایجاد شود
جاویده عقیده دارد برای حل این موضوع باید با کمک بانک مرکزی کنسرسیومی تشکیل شود تا مسئله کشف تقلب به صورت جامع حل شود؛ همچنین قوانینی مانند مقرراتی که در حوزه پولشویی وجود دارد و سبب رعایت مواردی از سوی بانکها شده است در بحث تشخیص تقلب نیز تدوین شود.
البته اقدام شاپرک برای صنعت پرداخت نیز گامی مهم در همین راستا بوده اما باید نهادهای نظارتی در حوزهی بانکی و سایر حوزهها نیز وارد شوند. نکته مهم این است که این موضوع نباید به ایجاد انحصار منتج شود. باید قوانینی و استانداردی تعریف شود تا بر اساس ان در سطوح مختلف امکان رقابت وجود داشته باشد.
بررسیهای ما از سایر کشورها نشان میدهد که بررسی تقلب مالی در سطوح ملی ودر قالب data governance وجود دارد و در بخشهای جز نیز بررسی تقلبات توسط سامانهها صورت میگیرد اما اینکه شروع پروسه در ایران از سامانه نظارتی و ملی باشد یا الزام سیستم بانکی به تجهیز هر بانک و psp بحثی است که باید مورد ارزیابی قرار گیرد.
مزیت تجهیز به سامانههای کشف تقلب برای بانکها مشخص نیست
در ایران مشکلاتی وجود دارد که بایدآن ها را در نظر گرفت یکی از مشکلات اصلی ضعف اعتماد است که دسترسی راحت به دادهها را فراهم نمیسازد و از مشکلات در حوزه تحلیل داده است.
در شرایط فعلی حجم زیادی داده وجود دارد که نمیتوانیم ان را به اطلاعات تبدیل کنیم. از طرفی مدیران و تصمیم گیران نیز نباید بر اساس احساس نسبت به مسئله تصمیم گیری کنند بلکه بر اساس خروجی و گزارشات از دیتاها تصمیم گیری کنند. از سوی دیگر مزیت تجهیز به سامانه کشف تقلب برای بانکها خیلی مشخص نشده است و یا مزیت به ارزش عددی مبدل نشده چرا که میزان و حجم تخلفات مالی نیز نا مشخص است و ارزش عددی آن گزارش نشده است و یا حداقل به صورت عمومی بیان نشده است. باید تحقیقات وسیعی در خصوص حجم و میزان تقلبات مالی وتاثیر آن بر صنعت و بانکی و پرداخت مشخص شود تا ضرورت تجهیز به سامانه نیز بیش از پیش احساس شود
یکی ازاهداف استراتژیک کاسپین تحلیل داده است
در حال حاضر در کشورمان نیاز به تحلیل داده به شدت احساس میشود و تمرکز ما نیز روی سیستمها در بحث تحلیل داده است. به همین دلیل از سه سال پیش بر روی سامانههای bi، Data Mining، Big Data، سیستمهای کشف تقلب و
AML تمرکزکرده ایم.که هم اکنون نیز در سبد محصولات شرکت وجود دارند. تلاشهای ما درصدی به تحلیل و گزارش دهی از رفتار گذشته منتج شد؛ بخشی به پیش بینی آینده توسط داده کاوی و هوشمندسازی ان اختصاص داده شد و بخشی بحث تکنیکال و کلان داده بود تا بتوانیم تحلیلهای کلان را ارائه دهیم. پروژهای نیز تعریف کردیم تا دادههای گروه پارسیان را که متشکل از چندین شرکت قدرتمند است تجمیع، بررسی و گزارش دهی کنیم.
اگر بخواهیم اهداف استراتژیک دیگر را معرفی کنیم که هم اکنون نیز در برنامه شرکت وجود دارد موضوعاتی چون Open Data،Open Banking و Open Api است. که در همین راستا نیز COBALT و پلتفرم Open Banking و Open Api بانک پارسیان را برای همکاری با شرکتهای فینتکی ایجاد کردیم و هم اکنون به عنوان مثال شرکت نیوو در حال استفاده از این سرویس است. اما موضوع بعدی برای ورود شرکت بحث بلاکچین است؛ چرا که در آینده نزدیک این موضوع همه گیر شده و نمیتوان صنعت مالی کشورها را از آن متمایز دید. از طرفی توجه به اینترنت اشیا، ترکیب تحلیل داده با اینترنت اشیا و ایجاد سیستمهای استراتژیک در این حوزه بخش دیگری است که به ان ورودخواهیم کرد. پنجمین حوزه ورود ما نیز بحث بانکداری دیجیتال، و حذف شعب بانکی و ایجاد سوپرمارکت مالی خواهد بود. البته استانداردهای بین المللی نیز با وجود اعمال دوباره تحریمها در برنامه شرکت قرار داشته و بحث EMV و توجه به استانداردهای بین المللی را نیز در پروژه سوییچ 2 دنبال خواهیم کرد.
با توجه به استراتژیهای شرکت تا کنون در حوزههای مختلف محصولاتمان را در بانکهای مختلف پیاده سازی کردیم. محصولات حوزه BI از قبیل سامانه کشف تقلب و AML را برای بانک پارسیان و همچنین برای تاپ نیز این محصول را پیاده سازی کردهایم. همچنین با چندین بانک و موسسه دیگر در خصوص این سامانهها در حال مذاکره هستیم. پیاده سازی محصولات حوزه بانکداری متمرکز و بانکداری مدرن در بانک پارسیان را بر عهده داشتیم و در حال حاضرمحصولاتی چون لوتوس پارسیان، اینترنت بانک و موبایل بانک پارسیان توسط شرکت کاسپین راه اندازی شده است.
پارتنر شرکت Misys یا Finastra در ایران هستیم و سیستمهای TI و FBTI را برای بانکهای پارسیان و سینا و راه اندازی کردیم.
همچنین حامد میرشک مدیر واحد کلان داده کاسپین نیز در ابتدا به تاریخچه ی سامانه های کشف تقلب در دنیا اشاره کرد و گفت: روند تقلب در دنیا تا سال ۲۰۱۳ صعودی بوده و این به علت عدم وجود سامانههای کشف تقلب جامع بوده است که البته با حضوراین سامانهها کاهش ۲ درصدی تقلب طی یکسال مشاهده شده است در سال ۲۰۱۶ نیزبا افزایش رشد تقلبات به علت شناخت سارقان از شیوه عمل سامانهها، الگوریتمهای هوش مصنوعی و یادگیری ماشینی به کمک کشف تقلب آمد. ما در حال حاضر در شرایط سال ۲۰۱۳ قرار داریم و باید با ایجاد بسترها و سامانهها ان را کنترل کنیم. تحقیق و یادگیری در این حوزه بسیار مؤثر خواهد بودتا از تجربهٔ جهانی استفاده کنیم.
یادگیری ماشینی بخش مهم در عملکرد سامانههای کشف تقلب
میتوان گفت تا کنون در کشور حتی برای تقلبات ساده نیز مکانیسمی نداشتیم. به همین سبب از سه سال پیش کار تحقیقاتی را شروع کردیم و ۹ تا ۱۲ ماه از پروسه را به تحقیق و بررسی روی سامانههای بزرگی چون FALCON /FICOو SAP اختصاص دادیم. با بررسی الگوریتمها و نحوه عملکرد سامانهها متوجه شدیم "یادگیری ماشینی " نقش مهمی در عملکرد سامانهها ایفا میکند. بخشی از تحقیقات را با دانشگاه تربیت مدرس پیش بردیم و طی دو سال مدل را پیاده سازی کردیم . چالش اصلی در پیاده سازی سامانه این بود که مدل را چگونه پیاده سازی کنیم تا نیازها رادر سطوح مختلف براورده کنند. بنابراین بر اساس نتایج بررسی تحلیل بیگ دیتا را لحاظ کردیم تا از روی رفتار مشتری با دادههای کلان تقلب را کشف کنیم.
ضرورت وجود سامانهها با الگوریتمهای پیچیده در کشور
اگر بخواهیم انواع تقلب را دسته بندی کنیم سطوح مختلفی برای آن وجود دارد بر همین اساس سامانهها را نیز در سه فاز ساده، پیچیده و سازمان یافته دسته بندی میکنیم. در سطح ساده با اعمال قوانینی ساده میتوان تقلبات را بررسی کرد. اما وقتی محدودیت مبالغ را اعمال کنیم ممکن است شخص متخلف الگو را دور بزند. به همین دلیل باید الگوها راپیچیده تر کرده و با ایجاد سناریو و سریهای زمانی تقلب سازمان یافته و پیچیده را شناسایی کنیم. البته درتشخیص تقلب سازمان یافته فقط دیتای بانک کافی نیست و ممکن است به دیتای چندین بانک و یا سایر نهادها نیز نیاز داشته باشیم.
برای مثال در بحث پولشویی با شبکههای مالی در ارتباط هستیم. و ممکن است پول از یک منبع بین چند منبع توزیع و سپس در یک منبع دوباره تجمیع شود و یا حتی ممکن است در چند بانک یا حتی نهاد چرخش مالی صورت گیرد که این نیازمند همکاری ملی است تا در سطوح بالاتری امکان پیگیری وجود داشته باشد.
ما در سیستم راه اندازی شده فعلی در بانک پارسیان رفتار مشتری را در سه لایه بررسی کردهایم. در سطح اول رفتار مشتری را متناسب با خود او بررسی کرده و پروفایلی برای شخص تعریف کردیم. در مدل دوم سنجش رفتار فرد بر اساس صنف و خوشههای مختلف صورت گرفته و در سنجش بعد نیز متناسب باروال جامعه ترکنش ها را بررسی کردیم. در این روند ما نیازمند اعلام ریسک با مقدار عددی بودیم و عددی بهینهای را نیز برای آن تعریف کردیم و بدین ترتیب با اعلام عددی از احتمال ریسک، خروجی و گزارش بررسی را بسیار ساده نمودیم. البته گزارشات با جزییات نیز برای بازرسان در دسترس میباشد. نکته حائز اهمیت دیگر این است که سامانه ما تنها مبتنی بر تراکنش نیست و در سامانه هر نوع مقررات تعریف شده در بانک مثل قوانین موجود برای داشتن حساب جاری توسط افراد یا قوانین مربوط به سپرده گذاری را رصد میکنیم و گزارشات آن را در قالب سامانه گزارش گیری تخلفات در حوزههای مختلف برای بانک اماده کردهایم. با تحلیل داده حتی میتوان ارتباط بین افراد و میزان ارتباط مالی بین آنها را نیز را بدست آورد که در فاز دوم این بخش را نیز پیاده سازی خواهیم کرد.
الگوی برخی تقلبات مخصوص ایران است
الگوی برخی ازتقلبات، مختص کشورمان است و نیاز به تحلیل داخلی دارند و سامانههای بومی در این خصوص کمک شایانی میکنند البته سامانههای مرسوم در دنیا میتوانند بسیاری از بررسیها را انجام دهند اما در اینگونه موارد و برای بررسی تقلبات با الگوهای خاص هر کشور، سامانههای خارجی باید بومی سازی شوند و روند بومی سازی محصول نیز زمان بر خواهد بود.
ویژگیهای یک سامانه کشف تقلب مناسب
یک سامانه کشف تقلب خوب باید قابلیت به روز شدن داشته باشد یعنی پارامترهای ان امکان به روز رسانی داشته باشند.همچنین یادگیری ماشینی بخش بسیار مهم در یک سامانه کشف تقلب است. درصد پیش بینی صحیح سامانه و گزارش گیری ساده به عنوان خروجی نیز از دیگر ویژگیهای سامانه کشف تقلب مناسب است.
نبود متخصص، دادههای مناسب و مشکلات سخت افزاری دغدغههای کسب و کار تحلیل داده است
دغدغه کسب و کار تحلیل داده بحث سخت افزار است. در بسیاری از موارد اماده نبودن سخت افزار وعدم انطباق سخت افزار با سامانه باعث مشکل میشود. که البته امیدواریم با تخصیص بودجه از سوی دولت به این بخش مشکلات تا حدود زیادی حل شوند.
نبود متخصص و دادههای مناسبی که بتوانیم در سیستمها استفاده کنیم از دیگر مشکلات این حوزه است که برای حل آن باید کنسرسیومی متولی شود دادهها را دسته بندی کرده و مشخص کند چه دادههایی برای استفاده در سامانهها مناسب هستند.
تحریمها فرصت هستند نباید ان ها را از دست بدهیم
تحریم هم فرصت و هم تهدید است چرا که در حال حاضرامکان انتقال دانش نیز بسیار کم شده است اما از لحاظ دیگر فرصت است و میتوان دانش داخلی را بالا برد چرا که دیگر داشتن سامانههای اماده و در دسترس خارجی مانع از رشد دانش بومی نخواهد شد. زمان خوبی برای شرکتهای داخلی خواهد بود تا از فرصت و مزیت قیمت دلار استفاده کرده دانش خود را ارتقای داده و دستاردهای خود را با صنعت در میان بگذارند و محصول بومی که قابلیت عرضه در سایر کشورها را داشته باشد تولید کنند. حتی کشورهای حوزه خاورمیانه میتوانند بازار خوبی برای محصولات داخلی باشند و درامد مناسبی را در این شرایط برای شرکتها ایجاد کنند.
البته برای تحقق این امر باید در کشور سازمانهایی وجود داشته باشد تا زمینه را برای متخصصین ایجاد کند تا تهدیدات را به فرصت تبدیل کنند باید امکانات برای متخصصین فراهم باشد تا بتوانند در کشور خودمان از فرصتها استفاده کنند و برای استفاده از امکانات از کشور خارج نشوند.