Мақалада қаржы саласындағы алаяқтықтың алдын алуда фродқа қарсы күресуде жасырын Марков моделін қолдану арқылы машиналық оқыту әдісінің тәуекелділікті төмендететіні туралы талдау ұсынылады. Себебі Бүкіләлемдік экономикалық форумның жылдық жаһандық тәуекелдер туралы есеп берулерінде киберосалдық пен киберқауіпсіздік шараларына аса назар аудару өзекті мәселелердің бірі екені қарастырлып, алдағы уақыттарда оның алдын алу, болжау қажеттігі туындады. Транзакциялық ортадағы аномалияларды анықтағанда машиналық оқыту арқылы тәуекелдерді дәл анықтау және талдау арқылы алаяқтық әрекеттердің ықтималдылығы бағаланады. Антифрод жүйесі үшін болатын тосын ауытқулардың ықтималдылығы мен жүйе күйлерінің сипаттарын Марков тізбегінің талаптарына сәйкес стохастикалық модель немесе процесс ретінде қарастыруға болады. Сондықтан ақауларды немесе біздің жағдайымызда алаяқтықты анықтауда қадамдар арасындағы уақыт тұрақты емес және жаңа күйге көшу тек соңғы күйге ғана байланысты екені ескерледі.
Машиналық оқыту арқылы фродқа қатысты әрекеттерді болжауда жасырын Марков моделін қолдана отырып, hmmlearn бағдарламалық жабдығымен қажетті деректер тізбегін модельдеуге болатыны және апостериорлық ықтималдылықты пайдаланып, болжанған тұжырымды жаңартуға да болатыны қарастырылған. Нәтижесінде қаржылық алаяқтыққа байланысты тәуекелділікті айқындап және оны азайтуда статистикалық тәсілдер мен ережелерді қолданудың тиімділігі үлкен көлемді деректерді дұрыс талдауға байланысты екені байқалады. Дегенмен, фрод үшін жасырын Марков моделін қолдануда құпия қаржылық деректерге қол жеткізудің қиындығы мен оны жүзеге асырудың күрделілігі, бастапқы күйлердің өту матрицасының айқын сипатталуына қойылатын жоғары талаптар секілді шараларды ескеру қажеттілігі баяндалады.
түйін сөздер: антифрод, фрод, ықтималдық, жасырын Марков моделі, машиналық оқыту, темпоральді мәліметтер, мәліметтер ағынын талдау.
