Проведение денежных операций с помощью банкоматов стало обыденным явлением в жизни миллионов людей. Однако даже высокая степень программной и физической защищенности электронных устройств не гарантирует их стопроцентной неуязвимости. По сведениям отраслевой ассоциации банкоматов (ATMIA), количество преступлений в этой сфере, только за 2017 год, возросло на 12%. Поскольку сама идея банкоматов предусматривает проведение транзакций круглосуточно, то для обеспечения свободного доступа, эти устройства устанавливаются вне охраняемых зданий. Это серьезно усложняет задачу по обеспечению целостности самих аппаратов, сохранности денег и безопасности клиентов.

Виды уязвимости банкоматов

По данным ATMIA, число банкоматов, рассчитанных на круглосуточное обслуживание клиентов, превышает 3,5 млн. единиц. Поскольку банкоматы устанавливаются в местах общественного пользования, доступ к которым открыт постоянно, то эта доступность привлекает преступников. В качестве способов изъятия денег злоумышленники производят следующие действия: механический взлом электронных устройств, мошенническое получение информации о ПИН-коде банковских карт, нападения на клиентов с целью завладения банковской картой или наличкой.

Среди преступников распространено применение технических средств. Это, так называемый, “скимминг”, когда информацию о ПИН-коде злоумышленники получают с помощью специального считывающего устройства, установленного на панель банкомата или в картоприемник.

Кроме того, банки терпят убытки при возникновении клиентских споров. Такие ситуации возникают, когда количество транзакций относительно невелико, в результате чего, у клиента возникают сомнения о проведении операций по его запросам, и он оспаривает движение средств или отказывается от их снятия.

Только комплексный подход к способам обеспечения безопасности банкоматов может гарантировать защищенность всего финансового учреждения и его клиентов.

Использование технологии глубокого обучения

В соответствии с технологией Deep Learning, внутрь банкомата устанавливается две видеокамеры. Первая обращена в сторону клиента, а вторая контролирует рабочую панель (картридер). Таким образом, встроенная система безопасности определяет малейшие отклонения от типового поведенческого шаблона или возникновение опасной ситуации перед банкоматом. Так, появление постороннего лица, заглядывающего через плечо клиента, или преступника в маске, повлечет за собой срабатывание сигнализации. По этому срабатыванию сотрудники центра безопасности примут соответствующие меры.

То же самое произойдет, если злоумышленники будут устанавливать накладку для кражи ПИН-кода, введут фальшивый считыватель информации в приемную панель для карточек или установят непредусмотренное сканирующее устройство.

Умные технологии Deep Learning упрощают процесс контроля обстановки, и сотрудники службы безопасности смогут оперативно отреагировать на опасную ситуацию или проигнорировать ложную тревогу. Информация, полученная с видеокамер, станет неопровержимым доказательством при проведении любого расследования.

В качестве «механизма» глубокого изучения обстановки выступает видеорегистратор Hikvision DeepinMind, который получает информацию с внутренних камер банкомата. Он же производит глубокий анализ информации с использованием специально разработанных алгоритмов.

Это позволяет сопоставлять отснятый материал с информацией, полученной с других сетевых видеорегистраторов и системой управления видеоконтролем. Объединение всех элементов контроля и бизнес-аналитики в единый комплекс — создает мощное оружие для противодействия преступникам и обеспечения общей безопасности при проведении операций с банкоматами.

С использованием технологии Deep Learning гораздо проще осуществить защиту активов в ключевых точках системы безопасности банков. К тому же, ежедневное пользование банкоматами, установленными вне пределов банковских учреждений, станет безопаснее, поскольку количество эпизодов мошенничества и грабежей будут сведены к минимуму.