Российский финтех, в особенности сервисы крупных банков, предлагает один из самых высоких уровней удобства и технологичности в мире, однако эта динамика ставит перед нами новые вызовы в области кибербезопасности. На сессии ПМЭФ-2025 «Темная сторона финтеха. Удобство сервиса vs безопасность» генеральный директор ИТ-холдинга Т1 Алексей Фетисов обозначил ключевую задачу противодействия растущим угрозам: развитие защищенных механизмов обмена данными между всеми участниками рынка.
«Процесс цифровизации финансовых услуг необратим. Пользователи привыкли к оперативности и удобству и не готовы возвращаться к устаревшим практикам, таким как ручное заполнение квитанций, долгие проверки транзакций. Компании, не способные обеспечить этот уровень, рискуют терять аудиторию, поэтому наша задача — не просто создавать быстрые и удобные сервисы, но и гарантировать их безопасность. В свою очередь, эффективность современных технологий, необходимых для этих целей, напрямую зависит от объема доступных данных», — отметил Алексей Фетисов.
Спикер также подчеркнул, что предиктивные модели, составляющие основу современных антифрод-систем, достигают максимальной точности лишь при наличии исчерпывающей информации об истории транзакций. Для мгновенной оценки — всего за четверть секунды, пока длится платёж, — система должна учесть множество факторов, включая предшествующие действия клиента, профиль контрагента и соответствие текущего действия ожидаемому поведению. Критически важно обогащать этот процесс контекстными данными: источником запроса, каналом коммуникации и предполагаемым назначением перевода.
В условиях, когда мошенники активно обмениваются украденными данными и используют передовые технологии без этических или законодательных ограничений, легальному бизнесу необходимо объединять усилия. В качестве практического шага в этом направлении на ПМЭФ-2025 ИТ-холдинг Т1, ВТБ и ОАО «РЖД» расширили трехстороннее соглашение по совместной разработке и внедрению высокозащищенного программно-аппаратного комплекса «Квантовый криптоанклав». Платформа предназначена для конфиденциальной обработки данных и создания анонимных моделей машинного обучения.