Наши продукты

ИАСТ.AntiFraud

Интеллектуальная многоуровневая ML-платформа для предотвращения финансового мошенничества

ИАСТ.AntiFraud — это комплексная антифрод-платформа нового поколения, объединяющая классические алгоритмы выявления аномалий, современные методы глубокого обучения, графовый анализ связей, LLM-агентов и автоматизированный MLOps.

Система работает в реальном времени, анализируя транзакции, действия пользователей и события окружения за ≤ 50 мс. Платформа предназначена для финтеха, платежных систем, банков, маркетплейсов и любых высоконагруженных сервисов.

Ключевой функционал системы

• Детекция аномалий в реальном времени — реакция < 50 мс при нагрузке до 20–50 тысяч событий/сек. Использование гибридных моделей: автоэнкодеры, Isolation Forest, One-Class SVM. Раздельные модели для разных типов событий.
• Графовый анализ связей — построение динамического графа взаимосвязей (карты устройств, карт, IP-адресов, аккаунтов). Использование ArangoDB, PyTorch Geometric, GraphSAGE, GAT для выявления синдикатов мошенников и дроп-аккаунтов.
• LLM-агент для анализа подозрительных операций — использует локальные LLM (LLaMA/Mistral/Qwen2) с RAG-архитектурой. Автоматическая интерпретация транзакций, генерация объяснений и рекомендаций. Заменяет до 60–80% ручных проверок.
• Автоматическое обновление моделей (Adaptive ML) — авторазметка событий, механизм обучения по расписанию, подстройка параметров в реальном времени. Использование Kedro/Prefect/Airflow, MLflow, Ray/Horovod.
• Гибридный движок решений — совмещение статических правил, динамических ML-оценок и бизнес-логики. Комбинация весов: RuleScore + MLScore + GraphScore + BehavioralScore.
• Мониторинг и Explainability — интерпретируемость моделей (SHAP, LIME, Captum), визуализация графов риска, персональный риск-скорринг, уведомления по аномалиям в моделях.
• Расширенный модуль поведенческой биометрии — анализ скорости печати, паттернов мыши, динамики устройств, последовательностей действий (Sequence Models / LSTMs / Transformers).

Технологии:

ML/DL: PyTorch, TensorFlow, XGBoost/CatBoost/LightGBM, PyTorch Geometric/DGL

Графовые технологии: ArangoDB, Memgraph, NetworkX/GraphX

Streaming: Apache Kafka, Apache Flink/Spark Structured Streaming, Redpanda

Хранилища: PostgreSQL, ClickHouse, Redis, MinIO/S3.

MLOps: MLflow, Airflow/Prefect/Kubeflow, Docker + Kubernetes

ИАСТ.CallShield

Интеллектуальная ML-платформа для защиты контакт-центров от мошенников и автоматизации обработки звонков

ИАСТ.CallShield — это система нового поколения для защиты call-центров и клиентских служб, использующая голосовую биометрию, анализ речи, выявление синтетических голосов (deepfake), распознавание намерений клиента и интеллектуальную автоматизацию операторских процессов.

Платформа встраивается в существующую инфраструктуру, обрабатывает аудиопоток в реальном времени и обеспечивает защиту от мошеннических звонков, социального инжиниринга и подмены личности, одновременно снижая операционные нагрузки контакт-центра.

Ключевой функционал системы

• Голосовая биометрия — идентификация человека по уникальному голосовому отпечатку. Используются технологии Speaker Verification/Identification, ECAPA-TDNN, x-vectors, d-vectors (PyTorch + SpeechBrain). Система определяет совпадение голоса с записями из CRM, выявляет попытки скрыть/изменить голос, контролирует тембр, спектральные особенности, динамику речи и физиологические характеристики.
• Обнаружение синтетической речи и deepfake-аудио — выявление поддельного голоса на базе Voice Cloning, нейросетевых deepfake-моделей, изменённых голосов. Используются Deepfake detection CNN/ResNet модели, feature-level antispoofing (LFCC, CQCC), ASVspoof датасеты. Система распознаёт роботизированность, артефакты генерации, отсутствие вокальных микровариаций, цифровые «следы» синтеза.
• Анализ намерений звонящего (Intent Detection + Risk Scoring) — понимание цели звонка и оценка намерений. Используются трансформеры (BERT, RoBERTa, DistilBERT), LLM-фильтры для сложных кейсов, классификация целей, анализ тональности. Распознаёт попытки выведать данные, сценарии социальной инженерии, агрессивные/подозрительные паттерны поведения, опасные фразы. Формирует Intent Score и Fraud Risk Score.
• Автоматическое заполнение CRM (Speech-to-Structured-Data) — автоматическая конвертация речи в структурированные данные: текст звонка, сущности (имя, сумма, номер счёта, продукт), ключевые действия, итог разговора, теги. Используются ASR (Whisper, Vosk/Kaldi), NER-модели (spaCy, HuggingFace Transformers), RAG/LLM для контекстного анализа. Позволяет снизить нагрузку операторов, автоматизировать рутинные процессы, исключить ошибки в документации.

Технологии:

Аудио-модели: SpeechBrain, PyTorch/TensorFlow, Kaldi/Vosk, librosa/torchaudio

NLP/NLU: Transformers (BERT, RoBERTa, DistilBERT, XLS-R), LLM (LLaMA, Mistral, Qwen2), spaCy, NLTK, HuggingFace

ASR: Whisper, DeepSpeech/OpenSpeech, Fast RNN-T/Conformer модели

Backend: Python + FastAPI, Golang для real-time потоков, поддерживаются gRPC и WebRTC для аудио

Streaming/Integrations: Kafka, Redis Streams, WebSockets/SIP интеграции

Хранилища: PostgreSQL, ClickHouse (аналитика звонков), MinIO/S3 (аудиоархивы)

MLOps: MLflow, Airflow/Prefect, Docker + Kubernetes, Prometheus/Grafana (мониторинг latency)