Как отметил ИТ-директор Yota Андрей Богданов, каждый клиент, совершая свои обычные действия, создает множество событий и оставляет уникальный информационный след. ИТ-системы оператора накапливают, фильтруют и анализируют эту статистику на предмет аномальной активности. Используемый подход характеризуется гигантскими объемами обрабатываемой информации, и в этом помогают технологии Больших Данных.
В Yota выбрали один из множества алгоритмов машинного обучения — «дерево решений». Для обучения модели используются данные о фактических мошенниках, которые были обнаружены ранее. На вход подается агрегированная обезличенная статистика по этим пользователям: используемые тарифы, количество входящих и исходящих вызовов, длительность пользования услугами мобильного оператора, средняя продолжительность вызовов, SMS- и MMS-активность. У каждого свойства свой вес при конечной оценке пользователя. При правильной обработке и анализе они дают вероятностную характеристику клиента как мошенника.
Таким образом, модель выстраивает профиль потенциального мошенника и ищет клиентов в базе с подобным образцом поведения. Как и при любом анализе, существует множество пограничных и неявных значений. Каждый такой случай дает новые возможности для обучения, поступающая информация позволяет обновлять модель и повышать ее точность. После обучения система реагирует на новые, ранее не выявленные или не выявляемые простым анализом методы мошенничества со стороны пользователей.
