Реферат на тему: Анализ аномалий и выявление мошеннических действий на основе данных распознавания жестов рук

Цель работы

Сравнить эффективность алгоритмов машинного обучения (например, Isolation Forest и Random Forest) в обнаружении аномалий и классификации мошеннических жестов на основе реальных или синтезированных данных о динамике движений рук пользователя при аутентификации в финансовых приложениях.

Основная идея

Разработка и сравнительный анализ методов машинного обучения для обнаружения аномальных паттернов в динамике жестов рук, используемых в системах биометрической аутентификации мобильных банковских приложений, с целью оперативного выявления попыток несанкционированного доступа и мошеннических транзакций.

Проблема

Широкое внедрение биометрической аутентификации на основе жестов рук в мобильных банковских приложениях, несмотря на повышение удобства пользователей, создает новые векторы для атак злоумышленников. Основная проблема заключается в уязвимости этих систем к имитации или воспроизведению жестов легитимного пользователя с целью совершения несанкционированных транзакций или доступа к конфиденциальным финансовым данным. Существующие методы распознавания жестов часто недостаточно эффективно выявляют целенаправленно созданные аномальные паттерны движений, используемые для обмана системы, что приводит к финансовым потерям и подрыву доверия к технологии.

Актуальность

Актуальность исследования обусловлена следующими ключевыми факторами: 1. Экспоненциальный рост мобильного банкинга и онлайн-платежей: Требуются надежные и удобные методы аутентификации, устойчивые к мошенничеству. Жесты рук представляют перспективный, но еще недостаточно защищенный вариант. 2. Эволюция методов мошенничества: Злоумышленники активно ищут и эксплуатируют уязвимости в новых биометрических системах, включая методы подделки жестов (например, с использованием видеозаписей, синтезированных движений). 3. Необходимость опережающего противодействия: Требуются продвинутые методы анализа данных в реальном времени для проактивного выявления подозрительной активности на основе отклонений в динамике жестов, а не только статической проверки шаблона. 4. Регуляторные требования: Повышаются стандарты безопасности финансовых операций (например, PSD2 в Европе, требования ЦБ РФ), требующие многофакторной и устойчивой к мошенничеству аутентификации. 5. Тренд на «невидимую» безопасность: Исследование отвечает потребности в разработке систем, способных обнаруживать аномалии и мошенничество без существенного усложнения пользовательского интерфейса.

Задачи

1. 1. 1. Систематизировать подходы к сбору и предобработке данных о динамике жестов рук пользователей, включая рассмотрение источников реальных и синтезированных данных, пригодных для исследования аномалий и мошенничества.
2. 2. 2. Провести сравнительный анализ эффективности выбранных алгоритмов машинного обучения (в частности, Isolation Forest для обнаружения аномалий и Random Forest для классификации жестов) в задачах: а) выявления отклонений от нормального паттерна жеста конкретного пользователя; б) классификации жестов как легитимных или мошеннических.
3. 3. 3. Разработать и обосновать критерии и метрики (такие как точность (accuracy), полнота (recall), F1-мера, AUC-ROC, время обнаружения) для оценки результативности исследуемых алгоритмов в контексте обнаружения аномалий и мошеннических действий на основе жестов.
4. 4. 4. Провести экспериментальную оценку устойчивости исследуемых методов к различным сценариям имитации мошеннических жестов на имеющемся наборе данных и интерпретировать полученные результаты с точки зрения применимости в системах безопасности мобильного банкинга.