Cum folosește Salt Bank inteligența artificială pentru a identifica dispozitivele compromise înainte de producerea fraudelor

Salt Bank, a cărei creștere rapidă a stabilit un nou reper în sectorul bancar, a mers mai departe, abordând problema chiar de la sursă. În loc să identifice frauda după ce aceasta s-a produs, banca a dezvoltat un sistem care detectează dispozitivele compromise aproape în timp real, înainte ca o tranzacție neautorizată să fie efectuată. Sistemul rulează pe AWS și a fost dezvoltat integral de echipa din România a băncii.

Abordarea bazată pe inteligență artificială completează mecanismele de control existente ale băncii, oferind informații suplimentare pentru 23% dintre evenimentele cu risc ridicat analizate.

Salt Bank a pornit de la o viziune ambițioasă: o bancă integral digitală, fără sucursale, cu toate serviciile accesibile direct de pe telefon. Reacția pieței a fost pe măsură. În primele zece zile de la lansare, 100.000 de români s-au înscris, stabilind un nou record în industria bancară. Astăzi, banca are 500.000 de clienți activi. O asemenea creștere a impus o abordare a securității pe măsura dezvoltării băncii, astfel încât protecția clienților să fie la fel de rapidă și de simplă precum experiența bancară pe care o oferă.

Consolidarea securității prin valorificarea datelor generate de mecanismele de conformitate

Toate aplicațiile bancare din Europa trebuie să implementeze autentificarea strictă a clienților (Strong Customer Authentication – SCA), care presupune o etapă suplimentară de verificare la autentificare sau la efectuarea unui transfer de bani. Aceasta este o cerință de reglementare. Salt Bank a identificat oportunitatea de a explora cum pot fi valorificate, din perspectiva securității, semnalele generate în cadrul acestui proces.

Întrebarea echipei Salt Bank a fost: cum am putea utiliza datele generate de fiecare eveniment SCA pentru a detecta amenințările? Procesul de autentificare generează mai multe semnale relevante pentru securitate, printre care metoda și momentul autentificării, informații despre dispozitiv și, atunci când sunt disponibile, indicii privind localizarea. Analizate împreună, aceste semnale oferă un context suplimentar și ajută la identificarea activităților care se abat de la tiparele obișnuite.

Cinci semnale, un singur scor de risc

Inteligența artificială evaluează fiecare eveniment de autentificare pe baza a cinci indicatori:

• Frecvența autentificărilor — o succesiune neobișnuit de rapidă de autentificări sau intervale atipice între sesiuni pot indica furtul datelor de acces ori atacuri automatizate.
• Scorul de activitate — o autentificare aparent normală, urmată de acțiuni neobișnuite, precum transferuri rapide sau accesarea unor funcționalități utilizate rar, poate semnala un risc.
• Familiaritatea dispozitivului — o autentificare de pe un telefon pe care sistemul nu l-a mai asociat utilizatorului respectiv crește nivelul de risc.
• Abaterea de la intervalul orar obișnuit — o autentificare la o oră neobișnuită poate indica o activitate neobișnuită.
• Distanța dintre locații — o autentificare din București, urmată zece minute mai târziu de una din Cluj, este imposibilă din punct de vedere fizic. Sistemul poate identifica o asemenea anomalie.

Niciun semnal nu declanșează singur o alertă. Modelul le analizează împreună pe toate cinci, identificând amenințări care ar putea trece neobservate dacă fiecare indicator ar fi evaluat separat.

Provocarea celor 40%

Aproximativ 40% dintre clienții băncii aleg să nu își partajeze locația GPS. Respectarea vieții private este un principiu important în modul în care banca concepe experiența clienților, inclusiv în ceea ce privește securitatea. Atunci când sunt disponibile și adecvate, datele privind localizarea pot completa ceilalți indicatori de securitate.

Pentru a obține informații suplimentare relevante pentru securitate, echipa utilizează Amazon Location Service pentru a estima orașul din care provine o conexiune, pe baza adresei IP. Acest lucru poate ajuta la identificarea unor tipare neobișnuite, precum activități incompatibile din punct de vedere geografic între două evenimente de autentificare. Protejarea vieții private a clienților și utilizarea responsabilă a datelor rămân principii fundamentale în proiectarea sistemului.

În timp real, nu peste noapte

Sistemul se bazează pe o arhitectură de procesare continuă a fluxurilor de evenimente (event streaming). Evenimentele de autentificare sunt colectate, procesate și evaluate în câteva secunde, fără a aștepta o procesare programată peste noapte. Platforma de date este organizată în trei straturi: date brute, date curate și structurate, respectiv un strat pregătit pentru calcularea instantanee a scorurilor de risc. Astfel, modelul IA poate utiliza cele mai recente informații disponibile.

Inteligența artificială completează regulile de securitate existente

Modelul de învățare automată (machine learning) nu înlocuiește regulile de securitate existente ale băncii, ci funcționează în paralel cu acestea. Regulile ajută la identificarea tiparelor cunoscute, în timp ce inteligența artificială oferă un context suplimentar, identificând schimbări comportamentale mai subtile, care ar putea trece neobservate dacă ar fi analizate exclusiv prin prisma regulilor prestabilite. Rezultatele modelului pot fi explicate și verificate, o cerință esențială în sectorul bancar. În plus, sistemul se poate adapta pe măsură ce tiparele de comportament evoluează, fără a pierde din transparență și fără a compromite posibilitatea verificării rezultatelor, cerințe fundamentale în acest domeniu.

„Una dintre cele mai valoroase utilizări ale inteligenței artificiale este transformarea datelor generate de mecanismele de control existente în informații noi, care ne ajută să înțelegem mai bine riscurile. SCA a fost concepută în primul rând ca un mecanism de verificare a autentificării, însă am observat că semnalele generate în cadrul acestui proces ne pot ajuta și să evaluăm riscurile în timp real. Prin combinarea acestor semnale, în loc să le analizăm separat, am îmbunătățit capacitatea de detectare a activităților suspecte cu aproximativ 60% și am redus alertele false cu 30%. Astfel, sistemul devine tot mai adaptabil, contribuind la creșterea securității fără a compromite transparența deciziilor și cerințele de guvernanță specifice sectorului bancar.”— Vikram Tikoo, Chief Technology Officer, Salt Bank

Cristian Popescu, Romania Country Lead, Enterprise Business, AWS, consideră că proiectul reflectă o tendință mai amplă:

„Băncile digitale din România obțin rezultate remarcabile în domeniul securității bazate pe inteligență artificială, raportat la dimensiunea lor. Salt Bank a dezvoltat o soluție pe care multe instituții mai mari din Europa încă o au în plan. Procesarea continuă a datelor, calcularea inteligentă a scorurilor de risc și alertele în timp real — toate pe AWS. Nu este doar un proiect-pilot. Soluția este deja operațională și protejează clienții.”

Ce urmează

Banca continuă să dezvolte sistemul și analizează noi semnale și funcționalități de securitate care ar putea îmbunătăți și mai mult detectarea amenințărilor și ar permite alertarea promptă a clienților atunci când sunt identificate activități potențial suspecte. În paralel, banca dezvoltă funcționalități de detectare a utilizării VPN-urilor și a serverelor proxy, pentru a evalua mai precis coerența geografică a activităților, păstrând aceeași atenție acordată protejării vieții private și utilizării responsabile a datelor.

Lecția desprinsă de echipă este simplă: în bankingul digital, securitatea nu poate aștepta următoarea procesare programată. Trebuie să țină pasul cu viteza clientului.