Сбер — ИИ-антифрод-платформа: 360 млрд рублей защиты в 2025 году

Сбербанк эксплуатирует комплексную ИИ-антифрод-платформу, которая в режиме реального времени анализирует транзакции клиентов с применением ML-моделей. Ядром системы является ML-модель транзакционного скоринга, обрабатывающая десятки миллионов расчётов в секунду и учитывающая более 100 параметров, включая данные партнёров рынка. В системе используется граф связей клиентов (Graph Representation Learning на базе PyTorch BigGraph): граф насчитывает более 800 млн вершин и более 3 млрд рёбер с 30 типами связей. GRL-эмбеддинги повышают качество базовых моделей фрод-мониторинга на 1,5–2% Gini, а в отдельных случаях точность при заданном уровне полноты выявления мошенничества улучшается на 10–15%.

Постоянный рост объёма транзакций, появление новых схем мошенничества, необходимость обрабатывать трафик в режиме реального времени с SLA менее 100 мс при 12 000 транзакций в секунду. Традиционные эвристики и ручные правила не позволяли масштабироваться на требуемых объёмах.

• Выявлять мошеннические операции в real-time без ухудшения клиентского опыта

• Повысить точность фрод-моделей за счёт графовых признаков (GRL)

• Достичь эффективности антифрода на уровне 99,99%

• Автоматически обмениваться данными с партнёрами рынка в онлайн-режиме

• Финансы

• В 2025 году антифрод-система сохранила клиентам более 360 млрд рублей — на 20% больше, чем годом ранее

• Возвращено 3,5 млрд рублей со счетов дропперов через сервис «Добрая воля» Время

• Анализ транзакции — менее 100 мс (SLA реального времени)

• Ежедневное обновление графа связей клиентов с хранением исторических срезов Качество и эффективность

• Эффективность антифрода: 99,99% — один из лучших показателей в мире по заявлению банка

• Прирост Gini от GRL-признаков: 1,5–2% в среднем, до 10–15% в отдельных моделях переводов

• GRL-признаки вошли в топ-5 наиболее значимых признаков фрод-моделей переводов Нагрузка и масштаб

• Граф: более 800 млн вершин, более 3 млрд рёбер, 30 типов связей

• Обработка: десятки миллионов расчётов в секунду с анализом более 100 параметров Надёжность

• Третий год подряд — лауреат премии НСПК «Лучшие в антифроде» в номинациях «Защита физических лиц» и «Эффективный возврат денежных средств» (2026, по итогам 2025 года) Импортозамещение и compliance

• Модели на open-source (PyTorch BigGraph, CatBoost, LightAutoML); LightAutoML зарегистрирован как российское ПО Качественный эффект: Граф связей клиентов позволяет обнаруживать ранее неизвестные мошеннические группы через кластеризацию вершин, даже при отсутствии явных меток мошенничества.