معرفی

سامانه مدیریت کشف تقلب دادمان

در عصر فعلی فناوری اطلاعات، امنیت سیستم‌ها و شبکه‌ها بسیار حائز اهمیت است. یکی از تهدیدات امنیتی رایج، فعالیت‌های تقلبی و مشکوک است که می‌تواند منجر به دست‌یابی به اطلاعات محرمانه، سوءاستفاده از منابع سیستم و خسارت‌های مالی گسترده شود. بنابراین، ایجاد یک زیرسیستم مدیریت کشف تقلب با توانایی شناسایی و ردیابی فعالیت‌های تقلبی بسیار ضروری است.

ویژگی‌های کلیدی

  • یادگیری ماشین(Machine learning): الگوریتم‌های یادگیری ماشین توانایی تشخیص تغییرات نامتعارف در داده‌ها را دارند. این ویژگی به آنها امکان تشخیص الگوهای غیرمعمول که ممکن است به تقلب اشاره کنند را می‌دهد.
  • تحلیل الگوی رفتار: یادگیری ماشین این سامانه قادر به تحلیل الگوهای رفتار مشتریان است و در صورت شناسایی تغییرات نامتعارف در رفتار، ممکن است به تقلب اشاره کنند. به عنوان مثال، در صنعت بانکداری، می‌توانند تغییرات غیرمعمول در الگوی تراکنش‌ها را تشخیص داده و تقلب‌های مالی را شناسایی کنند.
    مهمترین نکته در یادگیری ماشین این سامانه این است که الگوریتم‌ها با بررسی تعداد زیادی مورد آموزشی و بهره‌گیری از تکنیک‌های آموزش مناسب، توانایی تشخیص تقلب را تقویت می‌کنند و با گذشت زمان می‌توانند بهبودهای بیشتری در این زمینه داشته باشند.
  • قوانین سفارشی: موتور قوانین (Rule Engine) این سامانه به کاربران امکان می‌دهد قوانین سفارشی را براساس نیازهای خاص خود تعریف کنند. این قوانین قابلیت تشخیص الگوها و روش‌های تقلب را در داده‌ها دارند. با تعریف قوانین مشخص و سفارشی، می‌توان بهبود دقت و قابلیت تشخیص تقلب را افزایش داد.
  • تطابق و قوانین پیچیده: موتور قوانین این سامانه توانایی تطابق دقیق با الگوها و قوانین پیچیده را دارد. این قابلیت به آن امکان می‌دهد تا الگوهای تقلبی پیچیده را شناسایی کند و اقدامات لازم را برای جلوگیری از تقلب انجام دهد.
  • پردازش در زمان واقعی: موتور قوانین این سامانه قابلیت پردازش در زمان واقعی (Real Time) را دارد، به این معنی که می‌تواند بلافاصله بر روی داده‌ها عمل کند و تقلب را در لحظه شناسایی کند. این قابلیت بسیار مهم است زیرا امکان اتخاذ تدابیر فوری برای متوقف کردن فعالیت‌های تقلبی را فراهم می‌کند.
  • ادغام با منابع داده متنوع: موتور قوانین این سامانه قادر است با منابع داده متنوعی مانند پایگاه داده‌ها، سیستم‌های بانکی، لاگ‌ها، داده‌های حسگرها و سایر منابع داده‌ای دیگر ارتباط برقرار کند و قوانین تقلب را بر روی این داده‌ها اعمال کند. این قابلیت به آن امکان می‌دهد تا از تمام منابع موجود استفاده کرده و بهبود دقت در تشخیص تقلب را فراهم کند.
  • قابلیت گزارش‌دهی و نمودارسازی: موتور قوانین این سامانه می‌تواند نتایج تشخیص تقلب را در قالب گزارش‌ها و نمودارها نمایش دهد. این ویژگی به کاربران امکان می‌دهد الگوهای تقلبی را بهبود بخشند و بر اساس تجربه‌های قبلی اقدامات اصلاحی را انجام دهند.

استفاده از موتور قوانین این سامانه می‌تواند به عنوان یک راه حل سازگار و سریع در تشخیص تقلب در زمینه‌های مختلف مورد استفاده قرار گیرد و با قوانین سفارشی قابلیت تطبیق و تشخیص تقلب را افزایش دهد.

سامانه‌های مرتبط

کشف تقلب و کشف پول‌شویی دو مسئلهٔ متفاوت‌اند اما بر یک بستر داده و یک موتور قواعد می‌نشینند.

این سامانه با مبارزه با پول‌شویی، کشف قمار، یادگیری ماشین دادمان یکپارچه می‌شود.

برای دریافت دموی سامانه یا گفت‌وگو دربارهٔ استقرار آن در سازمان خود، از صفحهٔ تماس با ما با کارشناسان دادمان در ارتباط باشید.

نمایی از سامانه کشف تقلب

پرسش‌های متداول

پاسخ به پرسش‌های رایج

فعالیت‌های تقلبی می‌توانند به دست‌یابی به اطلاعات محرمانه، سوءاستفاده از منابع سیستم و خسارت مالی گسترده منجر شوند. در حوزهٔ بانکی این موارد معمولاً در قالب تراکنش‌های غیرمجاز، سوءاستفاده از حساب و رفتارهایی که با الگوی معمول مشتری همخوانی ندارند ظاهر می‌شوند.

سامانه از دو رویکرد به‌صورت هم‌زمان استفاده می‌کند. الگوریتم‌های یادگیری ماشین تغییرات نامتعارف در داده‌ها را تشخیص می‌دهند و الگوهای غیرمعمولی را که ممکن است به تقلب اشاره کنند پیدا می‌کنند. در کنار آن، موتور قوانین امکان تعریف قواعد سفارشی بر پایهٔ نیازهای مشخص هر سازمان را فراهم می‌کند.

سامانه الگوی رفتاری هر مشتری را می‌آموزد و انحراف از آن را علامت‌گذاری می‌کند. برای نمونه در صنعت بانکداری، تغییر غیرمعمول در الگوی تراکنش‌های یک حساب می‌تواند نشانهٔ تقلب مالی باشد، حتی اگر هیچ‌یک از تراکنش‌ها به‌تنهایی از حد آستانه‌ای عبور نکرده باشند.

بله. الگوریتم‌ها با بررسی تعداد زیادی مورد آموزشی و بهره‌گیری از تکنیک‌های آموزش مناسب، توانایی تشخیص را تقویت می‌کنند و با گذشت زمان بهبود می‌یابند.

هدف این دو متفاوت است. سامانه مبارزه با پول‌شویی بر انطباق با الزامات مقرراتی و گزارش‌دهی به نهاد ناظر تمرکز دارد و بر قواعد صریح و قابل استناد بنا شده است. سامانه کشف تقلب بر جلوگیری از زیان مالی مستقیم سازمان تمرکز دارد و برای یافتن الگوهای ناشناخته بیشتر بر یادگیری ماشین تکیه می‌کند. بسیاری از بانک‌ها هر دو را در کنار هم به کار می‌گیرند.
گواهی ارزیابی امنیتی محصول شمارهٔ CBP-C495-0301 از سازمان فناوری اطلاعات ایران

شرکت گروه فن آوری دادمان ایرانیان موفق به اخذ گواهی امنیتی محصولات جهت سامانه شناسایی کافی مشتریان دادمان از سازمان فناوری اطلاعات ایران گردید. این گواهی با شمارهٔ CBP-C495-0301 در تاریخ ۱۴۰۳/۱۲/۲۲ توسط سازمان فناوری اطلاعات ایران صادر شده و مدت اعتبار آن دو سال از تاریخ صدور است. ارزیابی در آزمایشگاه صنایع امنیت فضای تبادل اطلاعات (صافتا) انجام شده است. گواهی، «سامانه شناسایی کافی مشتریان دادمان» نسخهٔ ۴٫۲٫۰ را در سطح یک نظام ارزیابی و اعتباربخشی امنیتی محصولات تأیید می‌کند. مطابق متن گواهی، اعتبار آن منحصر به همین نسخه از محصول است.

گروه فن آوری دادمان ایرانیان


همچنین

سازمان فناوری اطلاعات ایران به عنوان متولی ایجاد و ساماندهی نظام ملی مدیریت امنیت اطلاعات کشور به منظور حمایت و گسترش خدمات امنیت فضای تولید و تبادل اطلاعات (افتا) اقدام به ارزیابی و صدور پروانه فعالیت در حوزه‌های مختلف نموده است.

ما را دنبال کنید

دادمان به‌صورت ماهانه اخبار و اطلاعیه‌های خود را منتشر می‌کند. در دسترس باشید!