С помощью нейросетей Яндекс стал на 40% лучше выявлять звонки мошенников

Определитель номера Яндекса теперь на 40% лучше выявляет категории звонящих номеров, в том числе мошенников. Это стало возможным благодаря работе нейросетей. Если раньше для оценки номера определителю требовались отзывы пользователей, то теперь нейросети анализируют более 300 факторов об использовании номера — например, звонки сразу большому количеству людей. В результате среднее время, за которое номера в базе определителя получают оценку, сократилось в семь раз — с десяти до полутора минут.

Мошенники часто звонят с новых номеров, у которых ещё нет истории вызовов, и оценка с помощью нейросетей позволяет быстрее идентифицировать такие номера. Это повышает вероятность, что при входящем вызове с нового номера определитель предупредит пользователя, чтобы тот не отвечал на звонок.

Также среди факторов, которые анализируют нейросети в определителе, — время начала и завершения звонка, его продолжительность, информация о том, кто прекратил вызов, и многое другое. Эти данные позволяют нейросетям делать выводы о качестве звонков. Например, если с одного номера звонят сразу множеству людей — значит, это массовый обзвон. Если при этом пользователи сбрасывают входящие вызовы через несколько секунд — следовательно, такие звонки нежелательные. При этом данные пользователей остаются полностью анонимными: нейросети работают с обезличенной информацией.

Быстрое распознавание номеров позволяет определителю усилить защиту как от новых, так и от массовых схем мошенничества. Например, сейчас получили распространение схемы, когда злоумышленники звонят, чтобы сообщить о доставке несуществующей посылки или о мнимой задолженности перед налоговой. В первом случае мошенники говорят о якобы поступившей на имя пользователя посылке или заказном письме и для доставки просят назвать код из смс. Во втором случае они представляются сотрудниками налоговой и предлагают записаться на приём в ФНС, а для этого пользователю также нужно назвать смс-код. Причины визита могут быть разными — задолженность, превышение суммы денежного перевода по сравнению с официальным доходом или, к примеру, не принятая в налоговой декларация.