Contesto
Per uno dei principali gruppi bancari italiani, la gestione dei sistemi di pagamento e della rete di ATM comporta un impegno non trascurabile. In quanto sistemi non presidiati, gli oltre 50mila ATM presenti sul territorio nazionale continuano a rappresentare una grande attrattiva per eventuali attacchi. Se quelli meccanici sono tipicamente plateali, spesso le frodi più sofisticate non vengono rilevate, se non dopo lungo tempo.
Gli obiettivi del Cliente
Il team di back-office dell’istituto bancario aveva bisogno di effettuare la profilazione avanzata della customer base tenendo conto di numerose variabili (tra cui i dati anagrafici dell’intestatario, la frequenza di ritiro e gli importi richiesti) e di monitorare costantemente il servizio al fine di individuare i potenziali abusi e le installazioni/aree geografiche più a rischio. Il tutto con l’obiettivo di pianificare rapidamente delle contromisure puntuali per limitare la frequenza e l’impatto delle frodi sulla banca e sui clienti coinvolti.
La nostra soluzione
Il nostro team ha proposto una verticalizzazione di AddToBuild progettata per calcolare un indice di rischio associato a ogni operazione. Tale indice è basato sull’analisi dell’attività delle carte e degli apparecchi ATM, estrapolando gli indicatori dai dati storici, clusterizzando l’attività delle carte e applicando un approccio machine learning ai casi di frode conclamati.
Determinando i pattern di operatività delle carte è possibile definire gli utilizzi normali e mettere in evidenza il potenziale insorgere di utilizzi fraudolenti. L’analisi statistica dei dati storici consente inoltre di perfezionare la capacità di discriminazione dei modelli ed effettuare delle previsioni sul volume e sulla tipologia di operazioni eseguite sui singoli ATM sul territorio.
Le notifiche relative alle operazioni identificate automaticamente come sospette possono essere confermate o scartate dagli operatori specializzati in funzione di valutazioni e verifiche gestite off-line, consentendo al sistema di apprendere dall’esperienza. Ogni caso sospetto è arricchito da tutti gli elementi che ne hanno determinato la segnalazione, così da supportare gli operatori nella fase di analisi.