Создание системы противодействия сговору в AML на основе графов с Didit и Neo4j (RU)

Графовые базы данных для AMLГрафовые базы данных, такие как Neo4j, являются мощными инструментами для выявления сложных, неочевидных связей между сущностями, что крайне важно для обнаружения изощренного мошенничества и сетей сговора в сфере AML.

Проблема сговораТрадиционные AML-системы часто не справляются с выявлением сговора и мошенничества с синтетическими личностями, поскольку они анализируют транзакции и личности изолированно, упуская взаимосвязанную паутину злонамеренной деятельности.

Использование обогащенных данных об идентификацииИнтеграция высококачественных, проверенных данных об идентификации с платформ, таких как Didit, является фундаментальной для заполнения надежной графовой базы данных, предоставляя основные узлы для сетевого анализа.

Роль Didit в борьбе со сговоромМодульные решения Didit для проверки личности, включая проверку удостоверений, AML-скрининг и проверку телефона и электронной почты, предоставляют богатые, структурированные данные, необходимые для создания и питания эффективных систем противодействия сговору на основе графов.

Растущая угроза сговора и синтетических личностей в AML

Финансовые преступления не статичны; они постоянно развиваются. Одна из самых коварных форм мошенничества — это сговор, когда несколько лиц или сущностей работают вместе, чтобы обойти меры по борьбе с отмыванием денег (AML). Это часто включает использование синтетических личностей — вымышленных персонажей, созданных путем комбинирования реальной и поддельной информации для открытия счетов, получения кредитов и отмывания денег. Традиционные, основанные на правилах AML-системы, которые обычно анализируют отдельные транзакции или профили клиентов изолированно, часто плохо приспособлены для обнаружения этих сложных, взаимосвязанных мошеннических схем. Они упускают тонкие закономерности и общие атрибуты, которые связывают, казалось бы, разрозненные счета с одной мошеннической группировкой.

Задача состоит в том, чтобы выйти за рамки простых разовых проверок и перейти к пониманию взаимосвязей и поведения в сети сущностей. Именно здесь графовые базы данных, в сочетании с надежными данными для проверки личности, становятся незаменимыми. Составляя карту связей между клиентами, счетами, устройствами и моделями транзакций, организации могут выявлять скрытые сети сговора, которые иначе остались бы незамеченными.

Почему графовые базы данных необходимы для борьбы со сговором

Графовые базы данных, такие как Neo4j, специально созданы для эффективного хранения и обхода связей между точками данных. В отличие от реляционных баз данных, которым требуются сложные объединения для вывода связей, графовые базы данных представляют данные в виде узлов (сущностей) и ребер (связей), что делает запрос и визуализацию сетей невероятно интуитивными и производительными. Эта встроенная способность обрабатывать отношения — именно то, что необходимо для эффективной системы противодействия сговору.

Рассмотрим сценарий, когда несколько клиентов открывают счета, используя разные имена, но имеют один и тот же адрес, номер телефона или даже одно и то же устройство при регистрации. Реляционная база данных может пометить это как отдельные аномалии, но графовая база данных может немедленно показать их как связанные узлы, потенциально указывающие на одного мошенника или группу сговорщиков. Связывая такие точки данных, как адреса, номера телефонов, IP-адреса, учетные записи электронной почты и даже биометрические идентификаторы (полученные в результате сопоставления лица 1:1 или поиска лица), графовая база данных может выявить сложную сеть отношений, определяющую кольцо сговора или синтетическую личность.

Создание вашей AML-системы на основе графов с данными Didit

Основой любой мощной AML-системы на основе графов являются точные и полные данные об идентификации. Именно здесь Didit, платформа идентификации на основе ИИ, играет решающую роль. Модульная архитектура Didit позволяет компаниям собирать и проверять широкий спектр атрибутов идентификации, которые затем становятся узлами и свойствами в вашем графе Neo4j.

Вот как продукты Didit вписываются в систему противодействия сговору на основе графов:

• Проверка удостоверения личности (OCR, MRZ, штрих-коды, NFC-проверка): Когда пользователь проходит проверку удостоверения личности, Didit извлекает и проверяет критически важную информацию из его государственного документа. Это включает имя, дату рождения, адрес, номер документа и страну выдачи. Эти данные формируют основные узлы идентификации в вашем графе. Для сценариев с высокой степенью безопасности NFC-проверка электронных паспортов/удостоверений личности обеспечивает криптографическую гарантию подлинности документа.
• Пассивное и активное определение живости: Определение живости гарантирует, что человек, предъявляющий удостоверение личности, физически присутствует и не является дипфейком или подделкой. Это добавляет уровень доверия к узлу идентификации, снижая риск синтетических личностей в момент регистрации.
• Сопоставление лица 1:1: Сравнение селфи с фотографией в документе, удостоверяющем личность, подтверждает личность человека. Если несколько учетных записей связаны с одним и тем же лицом, но разными именами, это является сильным индикатором синтетической личности или сговора.
• Подтверждение адреса: Проверка адреса пользователя предоставляет еще одну важную точку данных для связывания личностей. Несколько пользователей по одному и тому же адресу, особенно в сочетании с другими общими атрибутами, могут указывать на сговор.
• Проверка телефона и электронной почты: Эти проверки подтверждают контактную информацию. Общие номера телефонов или адреса электронной почты в разных учетных записях пользователей являются классическими признаками сговора.
• AML-скрининг и мониторинг: AML-скрининг Didit проверяет пользователей по более чем 1300 глобальным санкционным спискам, спискам PEP и другим спискам наблюдения. Предоставляя прямой результат соответствия, базовые данные соответствия (например, частичное совпадение в списке наблюдения) могут быть включены в граф для выявления косвенных связей или ассоциаций с высокорисковыми сущностями, дополнительно обогащая ваш профиль риска. Система двух оценок (оценка соответствия и оценка риска) предоставляет детализированные данные для анализа.

Каждая часть проверенных данных от Didit становится узлом или атрибутом узла в вашем графе Neo4j. Например, узел «Человек» может быть связан с узлами «Адрес», «Номер телефона», «Электронная почта» и «Устройство» (посредством анализа IP или интеллектуальных данных об устройстве). При регистрации нового пользователя его проверенные данные добавляются в граф, и система может немедленно запрашивать существующие связи. Есть ли другие пользователи, использующие этот адрес? Использовался ли этот номер телефона с другими личностями? Связано ли это устройство с какими-либо помеченными учетными записями?

Анализ графовых данных для противодействия сговору и обнаружения мошенничества

После того, как ваши данные, проверенные Didit, находятся в Neo4j, вы можете использовать графовые алгоритмы и запросы для обнаружения закономерностей, указывающих на сговор и синтетические личности:

• Алгоритмы поиска путей: Найдите кратчайший путь между двумя, казалось бы, несвязанными сущностями. Если существует короткий путь через общие атрибуты (например, тот же IP, тот же адрес, тот же телефон), это может указывать на сговор.
• Обнаружение сообществ: Идентифицируйте кластеры сильно взаимосвязанных узлов. Эти сообщества могут представлять собой мошеннические группировки, действующие сообща.
• Алгоритмы центральности: Идентифицируйте очень влиятельные узлы (например, номер телефона или адрес, который связывает множество различных личностей), которые могут быть центральной точкой для мошеннической операции.
• Сопоставление шаблонов: Определите конкретные шаблоны мошенничества (например, «несколько учетных записей, созданных в течение короткого времени, использующие один и тот же идентификатор устройства, но разные документы, удостоверяющие личность») и запросите граф для поиска экземпляров.

Постоянно вводя проверенные данные об идентификации от Didit в ваш граф Neo4j, вы создаете динамическую, самообучающуюся систему, которая может развиваться вместе с тактикой мошенничества. Модульность Didit означает, что вы можете начать с основных шагов проверки и добавлять более сложные проверки по мере роста ваших потребностей, при этом гарантируя, что ваша графовая база данных заполнена высококачественными, нативными для ИИ данными об идентификации.

Как Didit помогает

Didit предоставляет основные строительные блоки для надежной, графовой системы противодействия сговору. Наша платформа на основе ИИ предлагает комплексный набор инструментов для проверки личности, включая проверку удостоверения личности, пассивное и активное определение живости, сопоставление лица 1:1, AML-скрининг и мониторинг, подтверждение адреса, а также проверку телефона и электронной почты. Эти инструменты предоставляют высококачественные, структурированные данные об идентификации, критически важные для заполнения вашего графа Neo4j. Модульная архитектура Didit означает, что вы можете выбрать именно те примитивы проверки, которые вам нужны, гарантируя, что вы собираете только релевантные данные, сохраняя при этом гибкость. Благодаря нашему бесплатному предложению Core KYC и отсутствию платы за установку, вы можете быстро внедрить основные шаги проверки и начать создавать свою сеть противодействия сговору без значительных первоначальных инвестиций. Наш подход, ориентированный на разработчиков, с чистыми API и мгновенной песочницей, делает интеграцию бесшовной, позволяя вам сосредоточиться на использовании мощи графовой аналитики, а не на управлении сложной инфраструктурой идентификации.

Готовы начать?

Хотите увидеть Didit в действии? Получите бесплатную демонстрацию сегодня.

Начните бесплатно проверять личности с помощью бесплатного уровня Didit.