Розділ 9. Неторгові операції

6. Метод використовування технології нейронних мереж. Відомо, що для боротьби з картковим шахрайством крім Rules Based технологій використовуються методи Data Mining, зокрема, нейронні мережі (HC). Такі методи засновані на періодичному навчанні нейронної мережі з використанням явно достовірних наборів даних і подальшої експлуатації навченої моделі в режимі практичного аналізу даних. В даний час компанія "Compass Plus" приступила до реалізації цієї технології в програмній системі TranzWare Fraud Analyzer, і ми упевнені, що застосування цієї технології дозволить зробити новий крок в розвитку продукту, підвищити ефективність роботи системи.

Так що ж це таке - нейронні мережі (НС)?

Спочатку в 40-х pp. обчислювальні системи на технології HC не були затребувані, оскільки вони значно поступалися по швидкості системам Штучного Інтелекту (ШІ), заснованих на символьному численні. Але до 80-х pp. існуючі в той період технології ШІ підійшли до межі своїх можливостей: потрібні нові методи рішення задач, пов'язаних з ШІ. Якраз у цей момент і були затребувані HC. І вже в 90-х роках HC тісно стулилися з проблематикою ШІ.

Характерною межею систем на HC є те, що вони мають здібність до самонавчання. Оскільки кібернетика направлена на створення пристроїв за образом і подобою людини, то в кіберсистемах з ШІ на HC стали використовувати "ідею нейрона".

Така система накопичує якісь зовнішні роздратування, створювані або повчальним засобом (Super Visor), або за рахунок самостійних дій (наприклад, рухи) кіберсистеми. Коли ж сума роздратувань перевершує якийсь пороговий рівень, то нейрони видають відповідні сигнали. Потім ці сигнали обробляються так, щоб досягти схожості з еталонним значенням. В результаті цього процесу і відбувається навчання системи.

Багатошарові НС (декілька сполучених один за одним одношарових НС) стали використовуватися набагато пізніше одношарових, оскільки раніше не було методики навчання таких мереж. Багатошарові мережі здатні розпізнавати складніші об'єкти, тобто володіють більш оптимальними апроксиміруючими здібностями, ніж одношарові. Вже трьох шарова НС може розпізнати будь-який образі Якщо створити рекурентну НС (із зворотними зв'язками між шарами), то мережа починає працювати самостійно до певного моменту: поки не дійде до якогось стану. Для навчання такої мережі достатньо подати вхідний сигнал і вона сама буде здатна класифікувати об'єкт, заданий цими сигналами. Таким чином, рекурентна мережа може працювати як класифікатор вхідних образів. Технологія НС входить в загальнішу концепцію, звану "М'якими Обчисленнями" (Soft Computing) або "Обчислювальним Інтелектом" (не плутати з Штучним, заснованому на класичній математиці, символьному обчисленні і інформальних методах), яка увібрала в себе декілька нетрадиційних методів обчислень:

1. Нейронні Мережі.

2. Нечіткі системи.

3. Генетичні алгоритми.

4. Фрактали.

5. Теорія Хаосу.

6. Нелінійна динаміка.

Перші три методи - основні в Soft Computing, інші ж прилучилися до цієї концепції пізніше.

Особливість гібридних систем, заснованих на Soft Computing, полягає в наступному. Вони здібні до самонавчання навіть у відсутності людини (у відмінності від систем, заснованих на символьному численні, нездібних до самонавчання взагалі).

Існує ряд проблем, пов'язаних з такими самонавчальними системами. Наприклад, проблема пошуку несправностей в НС. Знайти несправність достатньо складно (при великій кількості нейронів це просто неможливо), оскільки точно невідомо, як діє той або інший нейрон. Тому, часто такі системи доводиться представляти у вигляді "чорного ящика". Для підтримки роботи і навчання НС достатньо періодично "підкачувати" мережу інформацією. Але якщо вона зламається, то цю мережу доведеться навчати знову. Відбувається це тому, що НС не володіють пояснювальними можливостями, щоб можна було відновити накопичені знання (символьні ж системи дозволяють виконувати такі операції). Хоча, якщо навіть з ладу вийде половина нейронів, то система все одно буде працювати, але вже гірше.

Слід зазначити, що згідно з правилами МПС Visa Interastional -Vol.I пункту 2.2.F CounterFeit Losses, фінансова відповідальність по операціях з використанням підроблених карт, лежить на емітенті платіжної карти.

Порядок ідентифікації клієнта при видачі готівки по пластикових картах

Ідентифікація клієнта проводиться:

- По карті свого Банку з фото - по фото на карті (за наявності сумнівів - по документу, що засвідчує особу клієнта);

- По карті свого Банку без фото - по документу, що засвідчує особу клієнта (карти, що не персоналізовані, - видача готівки передбачена лише в пристроях з введенням ПІН;