Специалисты МФТИ и ВТБ создали техрешение на основе безопасного объединения больших данных — криптоанклава
МФТИ и компания ВТБ заявили о совместном тестировании технологического решения для безопасного объединения больших данных в финансовом и высокотехнологичном секторах экономики — так называемого криптоанклава. Над его созданием специалисты ВТБ и МФТИ начали работу несколько лет назад.
Разработчики утверждают, что сервис не имеет аналогов в России и позволит организациям передавать информацию в криптозащищённую область, чтобы получить прогнозные модели на основе объединения данных. Опытный образец криптоанклава собираются тестировать в первой половине 2023 года.
Помимо того, что анализ больших данных помогает компаниям предлагать своим клиентам более персонифицированные предложения и выстраивать таргетированные коммуникации, сбор персональной информации поможет финансовым организациям пресекать мошенничество, по мнению создателей криптоанклава. Например, если пользователь со стабильным доходом имеет накопления и резко их все снимает или пытается перевести на другие счета, искусственный интеллект воспринимает такие действия как подозрительные и подаёт тревожные сигналы. После этого банковские операции могут остановить до того, как клиент подтвердит намерения сделать перевод.
Или, например, геоаналитические модели, созданные банком на основе объединения внутренних и внешних данных о финансовой активности клиентов, дадут компаниям представление об эффективности открытия той или иной точки продаж, минимизируя бизнес‑риски и повышая свою доступность для потенциальных покупателей.
Криптоанклав представляет собой специализированный комплекс, защищённый физически и программно. Информация в нём хранится и обрабатывается в зашифрованном виде, без доступа к ней человека. Задача системы — это извлечение из общего массива данных прогнозов и построения с помощью AutoML‑алгоритмов. Для анализа данных применяются строго регламентированные алгоритмы. В криптоанклав можно отдать любые данные, а получить обратно информацию в форме прогнозов и рекомендаций, то есть только результаты применения AutoML‑алгоритма на нужных данных. В мире такие технологии уже применяются, но распространения не имеют.
Помимо банковского и финансового секторов такое защищённое объединение данных может быть реализовано в сфере медицины или государственного управления, где важна защита персональных данных и востребована возможность построения прогнозов на основе уже имеющейся информации.
