Frodi bancarie: da Innovery una soluzione innovativa in grado di individuarle in meno di 25 millisecondi

redazione

La sicurezza informatica ha acquistato un valore fondamentale nel mondo della finanza negli ultimi anni, specialmente dopo l’avvento in Italia della PSD2 (Payment Services Directive 2), la nuova direttiva europea sui pagamenti digitali. Con l’aumentare di prodotti e servizi forniti dagli istituti bancari attraverso canali digitali sono aumentati anche i nuovi rischi di frode. L’ultimo aggiornamento dell’Osservatorio sulle Frodi Creditizie e i furti di identità realizzato da CRIFMisterCredit evidenzia che nel 2019 in Italia i casi di frodi creditizie rilevate siano state oltre 32.300 per un danno stimato che supera i 150 milioni di Euro.

Per questo motivo Innovery, società italiana specializzata nel comparto della cybersecurity,ha sviluppato una soluzione innovativa per intercettare selettivamente e tempestivamente le transazioni bancarie fraudolente.

Il sistema sviluppato da Innovery è capace di riconoscere le frodi online in meno di 25 millisecondi, praticamente in real time, con una precisione maggiore rispetto ad altri sistemi già sul mercato. Ad oggi alcuni istituti bancari utilizzano sistemi di rilevazione delle frodi basati su “regole deterministiche” (per esempio, se l’importo è maggiore di X e la transazione è immediata, il sistema genera un “alert”). Tuttavia queste rilevazioni producono un elevato numero di falsi positivi che devono essere a loro volta revisionati da un gruppo di “analisti delle frodi”, provocando un notevole rallentamento del processo per il riconoscimento delle truffe e un dispendio di tempo e investimenti.

La soluzione che abbiamo sviluppato, già testata per un importante player spagnolo, è stata pensata per ridurre notevolmente il numero di falsi positivi rilevati dai nostri sistemi. Per un nostro cliente siamo riusciti ad abbassare il numero di falsi positivi rilevati dal 90% al 70%. – spiega David TorresCompetence Center Manager of Big Data di Innovery Tutto questo è possibile grazie all’utilizzo del machine learning, in grado di superare i sistemi in uso basati su regole deterministiche. Questa soluzione è infatti in grado di simulare vari modelli di comportamento del cliente che vengono poi combinati con una serie di parametri generati dal sistema in base al rischio di ciascun movimento bancario. In particolare, i comportamenti del cliente vengono modellati sulla scorta di dati storici e dati recenti delle operazioni valutate dal sistema in precedenza. In questo modo possiamo sviluppare modelli più resilienti ai cambiamenti citati, in grado di “imparare” dai casi precedenti aggiornandosi, combinando i rischi statistici di alcune azioni con la conoscenza del business bancario.”

I vantaggi ottenuti da questa soluzione sono quindi molteplici:

Le restrizioni dovute all’emergenza sanitaria hanno fatto aumentare vertiginosamente il numero di transazioni digitali, in Italia ad aprile il volume delle transazioni di e-commerce è aumentato di oltre l’80%, secondo un report McKinsey – prosegue David Torres – portando ad un sempre maggior digitalizzazione del settore bancario e al conseguente aumento dei rischi connessi alla sicurezza informatica. Il tutto si traduce in una vera e propria corsa agli armamenti, con un sempre maggior aumento di investimenti da parte degli istituti bancari in soluzioni che possano rispondere in maniera efficiente ai nuovi rischi.”