Как работает антифрод на кассах самообслуживания?
Что проверяют
Можете ли вы разложить доменную задачу на сценарии мошенничества, сигналы и цену ошибок, а не пересказать антифрод по картам. Следом обычно спрашивают, откуда брать разметку и какую метрику вы бы оптимизировали.
Как отвечать
Начните со сценариев. На кассе самообслуживания оплата обычно проходит честно, теряется товар:
- непробитый товар: пронесли мимо сканера или положили сразу в сумку;
- подмена штрихкода: пробили дешёвую позицию вместо дорогой;
- весовой товар: выбрали на экране более дешёвую категорию, чем лежит на весах;
- злоупотребления: частые отмены позиций, ручной ввод кодов, чужие карты лояльности.
Сигналы:
- весы в зоне упаковки: расхождение фактического веса с ожидаемым для пробитых товаров;
- камеры над кассой: детекция и трекинг товара в руках, сравнение распознанного товара с пробитым артикулом. Модели работают на устройстве, потому что реагировать нужно за доли секунды;
- журнал кассы: темп сканирования, число отмен и ручных вводов, доля весовых позиций;
- история сессии и карты: для сессионного скора по табличным признакам хорошо подходит градиентный бустинг.
Реакция идёт по нарастающей: подсказка на экране с видео момента сканирования, просьба пересканировать, вызов сотрудника, выборочная проверка чека. Каждая тревога стоит времени персонала и раздражает честных покупателей, поэтому оптимизируют precision или долю найденных потерь при фиксированном бюджете тревог.
С разметкой сложно: большинство краж никто не замечает. Метки дают проверки и разбор видео, причём часть проверок назначают случайно, иначе реальную долю краж не узнать.
Где спотыкаются
Рассказывают про антифрод платёжных транзакций: суммы, геолокацию, частоту операций. Здесь это почти бесполезно, основная потеря в товаре, который вообще не попал в чек.
Меряют качество через accuracy при очень редком мошенничестве. Модель «всё честно» получит почти идеальную accuracy и не найдёт ничего. ROC AUC тут тоже льстит, смотрите на PR-кривую.
Учат модель только на пойманных случаях. Она выучит то, что персонал и так ловит, а вмешательства и адаптация мошенников создают дрейф, который без случайных проверок не заметить.