Risk Scoring: построение модели

Risk scoring — присвоение numerical score транзакции или аккаунту для приоритизации ручной проверки и автоматических решений.

Feature engineering

User features: возраст аккаунта, KYC статус, deposit history, VIP tier. Transaction features: сумма, метод, время, geo. Device features: fingerprint, age, associated accounts. Velocity: транзакций/час, депозитов/день. Network: связи с fraud-аккаунтами через граф.

ML модели

Baseline: logistic regression, интерпретируемо. Production: gradient boosting (XGBoost, LightGBM, CatBoost) с 100+ features. Deep learning: для последовательностей (LSTM для transaction sequences). Ensemble: комбинация моделей. AUC-ROC > 0.9 — production-ready.

Score bands

0–30: low risk, auto-approve. 30–70: medium, additional checks (3DS, KYC step-up). 70–100: high, manual review или block. Пороги настраиваются на основе бизнес-целей: precision vs recall. False-positive rate < 5% — user experience.

Model operations

Continuous retraining: fraud patterns эволюционируют. Feature store: consistent между training и inference. A/B testing моделей. Drift detection: сдвиг распределения features. Explainability: SHAP values для аудита решений. Compliance: не delegate решения только ML для high-value cases.