ИИ и детекция фрода: что реально работает у банков в 2026
Каждая маркетинговая презентация банка в 2026 заявляет об ИИ-антифроде. За хайпом — горстка техник, которые реально двигают стрелку. Рабочий набор.
Антифрод-команды банков используют машинное обучение более десяти лет. В 2024-2026 изменилось то, что новые архитектуры — графовые нейросети, большие sequence-модели, объяснимый gradient boosting — перешли из статей в production. Что работает — за вычетом AI-washing в банковском маркетинге.
Device fingerprinting + поведенческая биометрия
Классическая база, по-прежнему мощная. Сочетайте подпись устройства (ОС, браузер, разрешение, таймзона) с паттерном взаимодействия (темп набора, джиттер мыши, скорость скролла), получите per-user профиль. Аномальные сессии — на step-up аутентификацию. Большинство попыток захвата аккаунтов проваливается тут, потому что профиль устройства атакующего резко отличается от профиля настоящего пользователя.
Графовая детекция «мулов»
Когда украденный логин используют для перевода денег, средства обычно прыгают через цепочку «мулов», чтобы замести след. Графовый анализ транзакционной сети — кто кому отправляет, как часто, с какой задержкой — ловит это на втором-третьем прыжке, даже если первая транзакция выглядела невинно. Ложных срабатываний мало — графовый контекст специфичен.
Санкционный и PEP-скрининг в реальном времени
Entity resolution стал настолько хорош, что сопоставление по санкционным спискам теперь надёжно обрабатывает варианты имён, переводы и частичные совпадения. Результат: меньше пропусков (победа регулятора) и меньше ложных блокировок (меньше расстроенных клиентов).
LLM для анализа нарратива
Антифрод-команды используют LLM для анализа неструктурированного контента вокруг транзакций: свободных полей SWIFT, разговоров в саппорт-чате, сайтов контрагентов. LLM оценивает когерентность — у легитимного B2B-счёта обычно связный язык, у мошенничества — характерные красные флаги. Это дополняет, а не заменяет человеческого ревьюера.
Что переоценено
Маркетинговые заявления «deep learning предсказывает фрод до того, как он случится». На практике прирост над хорошими gradient-boosted trees — 5-15%, не на порядок. Детекция deepfake в видео-KYC — игра в кошки-мышки без надёжного решения. Полностью автоматизированное разрешение фрод-споров — не здесь и не близко.
Что реально важно пользователям
Лучшие банки 2026 имеют невидимый антифрод: вы никогда не видите отказа, потому что система заблокировала транзакцию, которой и так не хотели, и никогда не видите step-up challenge для легитимной операции. Это возможно, когда детекция достаточно хороша, чтобы быть хирургической.