Выявление аномальной активности в сервисах мобильных денежных переводов с помощью RADViz-визуализации
Ключевые слова:
сервисы мобильных денежных переводов, обнаружение аномалий, RadViz-визуализация, граф контактовАннотация
В настоящее время широкое распространение получили сервисы мобильных денежных переводов (СМДП), в которых ключевая роль принадлежит оператору мобильной связи. В работе авторы предлагают новый подход к анализу транзакций для выявления аномальной активности в СМДП, в основе которого лежит RadViz-визуализация ее пользователей. Особенностями данной методики визуализации являются возможность разбиения пользователей на группы, имеющих одинаковое поведение, и низкая вычислительная сложность. В работе представляются и обсуждаются результаты применения разработанной методики визуального анализа транзакций для выявления различных сценариев финансовых мошенничеств, характерных для сервисов мобильных денежных переводов.Литература
1. Mobile Payment System. URL: http://www.vodafone.com/content/index/about/about-us/money_transfer.html (дата обращения 22.05.2016).
2. Infographic: Tanzania's Mobile Money Revolution. URL: http://www.cgap.org/data/infographic-tanzanias-mobile-money-revolution (дата обращения 22.05.2016).
3. Ankerst M., Berchtold S., Keim D.A. Similarity Clustering of Dimensions for an Enhanced Visualization of Multidimensional Data // Proc. of 1998 IEEE Symposium on Information Visualization (INFOVIS '98). IEEE Computer Society. 1998. pp. 52‒60.
4. Keim D., Andrienko G., Fekete J.-D., Goerg C., Kohlhammer J., Melancon G. Visual Analytics: Definition, Process, and Challenges // Information Visualisation. Springer-Verlag, Berlin Heidelberg. 2008. vol. 4950. pp.154‒175.
5. Kotenko I., Novikova E. VisSecAnalyzer: a Visual Analytics Tool for Network Security Assessment // Proc. of the 3rd IFIP International Workshop on Security and Cognitive Informatics for Homeland Defense (SeCIHD 2013). Springer. Heidelberg. 2013. vol. 8128. pp. 345‒360.
6. Novikova E., Kotenko I. Analytical Visualization Techniques for Security Information and Event Management // Proc. of the 21th Euromicro International Conference on Parallel, Distributed and network-based Processing (PDP 2013). 2013. pp. 519‒525.
7. Novikova E., Kotenko I. Visual Analytics for Detecting Anomalous Activity in Mobile Money Transfer Services // Lecture Notes in Computer Science. Berlin. Heidelberg: Springer-Verlag. 2014. vol. 8708. pp. 63‒78.
8. Котенко И.В., Новикова Е.С. Визуальный анализ защищенности компьютерных сетей // Информационно-управляющие системы. Санкт-Петербург. 2013. № 3. С. 56‒61.
9. Котенко И.В., Новикова Е.С. Методики визуального анализа в системах управления информационной безопасностью компьютерных сетей // Вопросы защиты информации. Москва. 2013. № 3. С. 33‒42.
10. Новикова Е.С., Котенко И.В. Анализ механизмов визуализации для обеспечения защиты информации в компьютерных сетях // Труды СПИИРАН. 2012. № 4(23). С. 7‒30.
11. Financial Crime Risk Management solution. URL: http://www.fiserv.com/risk-compliance/financial-crime-risk-management.htm (дата обращения 22.05.2016).
12. Nice Actimize Integrated Fraud Management. http://www.niceactimize.com/index.aspx?page=solutionsfraud (дата обращения 22.05.2016).
13. SAS Fraud detection solutions. URL: http://www.sas.com/offices/europe/uk/industries/ banking/fraud-detection.html (дата обращения 22.05.2016).
14. Delloite. Visual Analytics: Revealing Corruption, Fraud, Waste, and Abuse. Presentation of the Forensic Center. URL: http://www.slideshare.net/DeloitteForensicCenter/visual-analytics-revealing-corruption-fraud-waste-and-abuse-13958016 (дата обращения 22.05.2016).
15. Westphal C.R. Patterns for Financial Intelligence Units (FIUs) and Anti-Money Laundering (AML) Operations. URL: http://support.visualanalytics.com/ technicalArticles/whitePaper/pdf/VAI%20AML%20FIU%20Patterns%20Presentation.pdf (дата обращения 22.05.2016).
16. Xie C., Chen W., Huang X., Hu Y., Barlowe S., Yang J. VAET: A Visual Analytics Approach for E-Transactions Time-Series // IEEE Transactions Visualization and Computer Graphics, 2014. vol. 20(12). pp. 1743‒1752.
17. Chang R. et. al: Visualization of Categorical, Time-Varying Data From Financial Transactions // Proc. of IEEE Symposium on Visual Analytics Science and Technology (VAST 2007). 2007. pp. 155‒162.
18. Gaber C., Hemery B., Achemlal M., Pasquet M., Urien P. Synthetic logs generator for fraud detection in mobile transfer services // Proc. of Int. Conference on Collaboration Technologies and Systems (CTS 2013). 2013. pp.174‒179.
19. Di Caro L., Frias-Martinez V., Frias-Martinez E. Analyzing the Role of Dimension Arrangement for Data Visualization in Radviz // Proc. of Advances in Knowledge Discovery and Data Mining. 2010. LNCS 6119. pp. 125‒132.
20. ColorBrew2. URL: http://colorbrewer2.org. (дата обращения 22.05.2016).
21. Shneiderman B. Dynamic queries for visual information seeking // The Craft of Information Visualization: Readings and Reflections. Morgan Kaufman Publishers. 2003. pp. 14‒21.
22. Prefuse Information Visualization toolkit. URL: http://prefuse.org/ (дата обращения 22.05.2016).
Money Laundering using New Payment Methods. URL: http://www.fatf-gafi.org/topics/methodsandtrends/documents/moneyla (дата обращения 22.05.2016).
2. Infographic: Tanzania's Mobile Money Revolution. URL: http://www.cgap.org/data/infographic-tanzanias-mobile-money-revolution (дата обращения 22.05.2016).
3. Ankerst M., Berchtold S., Keim D.A. Similarity Clustering of Dimensions for an Enhanced Visualization of Multidimensional Data // Proc. of 1998 IEEE Symposium on Information Visualization (INFOVIS '98). IEEE Computer Society. 1998. pp. 52‒60.
4. Keim D., Andrienko G., Fekete J.-D., Goerg C., Kohlhammer J., Melancon G. Visual Analytics: Definition, Process, and Challenges // Information Visualisation. Springer-Verlag, Berlin Heidelberg. 2008. vol. 4950. pp.154‒175.
5. Kotenko I., Novikova E. VisSecAnalyzer: a Visual Analytics Tool for Network Security Assessment // Proc. of the 3rd IFIP International Workshop on Security and Cognitive Informatics for Homeland Defense (SeCIHD 2013). Springer. Heidelberg. 2013. vol. 8128. pp. 345‒360.
6. Novikova E., Kotenko I. Analytical Visualization Techniques for Security Information and Event Management // Proc. of the 21th Euromicro International Conference on Parallel, Distributed and network-based Processing (PDP 2013). 2013. pp. 519‒525.
7. Novikova E., Kotenko I. Visual Analytics for Detecting Anomalous Activity in Mobile Money Transfer Services // Lecture Notes in Computer Science. Berlin. Heidelberg: Springer-Verlag. 2014. vol. 8708. pp. 63‒78.
8. Котенко И.В., Новикова Е.С. Визуальный анализ защищенности компьютерных сетей // Информационно-управляющие системы. Санкт-Петербург. 2013. № 3. С. 56‒61.
9. Котенко И.В., Новикова Е.С. Методики визуального анализа в системах управления информационной безопасностью компьютерных сетей // Вопросы защиты информации. Москва. 2013. № 3. С. 33‒42.
10. Новикова Е.С., Котенко И.В. Анализ механизмов визуализации для обеспечения защиты информации в компьютерных сетях // Труды СПИИРАН. 2012. № 4(23). С. 7‒30.
11. Financial Crime Risk Management solution. URL: http://www.fiserv.com/risk-compliance/financial-crime-risk-management.htm (дата обращения 22.05.2016).
12. Nice Actimize Integrated Fraud Management. http://www.niceactimize.com/index.aspx?page=solutionsfraud (дата обращения 22.05.2016).
13. SAS Fraud detection solutions. URL: http://www.sas.com/offices/europe/uk/industries/ banking/fraud-detection.html (дата обращения 22.05.2016).
14. Delloite. Visual Analytics: Revealing Corruption, Fraud, Waste, and Abuse. Presentation of the Forensic Center. URL: http://www.slideshare.net/DeloitteForensicCenter/visual-analytics-revealing-corruption-fraud-waste-and-abuse-13958016 (дата обращения 22.05.2016).
15. Westphal C.R. Patterns for Financial Intelligence Units (FIUs) and Anti-Money Laundering (AML) Operations. URL: http://support.visualanalytics.com/ technicalArticles/whitePaper/pdf/VAI%20AML%20FIU%20Patterns%20Presentation.pdf (дата обращения 22.05.2016).
16. Xie C., Chen W., Huang X., Hu Y., Barlowe S., Yang J. VAET: A Visual Analytics Approach for E-Transactions Time-Series // IEEE Transactions Visualization and Computer Graphics, 2014. vol. 20(12). pp. 1743‒1752.
17. Chang R. et. al: Visualization of Categorical, Time-Varying Data From Financial Transactions // Proc. of IEEE Symposium on Visual Analytics Science and Technology (VAST 2007). 2007. pp. 155‒162.
18. Gaber C., Hemery B., Achemlal M., Pasquet M., Urien P. Synthetic logs generator for fraud detection in mobile transfer services // Proc. of Int. Conference on Collaboration Technologies and Systems (CTS 2013). 2013. pp.174‒179.
19. Di Caro L., Frias-Martinez V., Frias-Martinez E. Analyzing the Role of Dimension Arrangement for Data Visualization in Radviz // Proc. of Advances in Knowledge Discovery and Data Mining. 2010. LNCS 6119. pp. 125‒132.
20. ColorBrew2. URL: http://colorbrewer2.org. (дата обращения 22.05.2016).
21. Shneiderman B. Dynamic queries for visual information seeking // The Craft of Information Visualization: Readings and Reflections. Morgan Kaufman Publishers. 2003. pp. 14‒21.
22. Prefuse Information Visualization toolkit. URL: http://prefuse.org/ (дата обращения 22.05.2016).
Money Laundering using New Payment Methods. URL: http://www.fatf-gafi.org/topics/methodsandtrends/documents/moneyla (дата обращения 22.05.2016).
Опубликован
2016-10-10
Как цитировать
Новикова, Е. С., & Котенко, И. В. (2016). Выявление аномальной активности в сервисах мобильных денежных переводов с помощью RADViz-визуализации. Труды СПИИРАН, 5(48), 32-51. https://doi.org/10.15622/sp.48.2
Раздел
Информационная безопасность
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
