Проведення фінансових операцій за допомогою банкоматів стало повсякденним явищем у житті мільйонів людей. Однак навіть висока ступінь програмної і фізичної захищеності електронних пристроїв не гарантує їх стовідсоткової невразливості. За відомостями галузевої асоціації банкоматів (ATMIA), кількість злочинів в цій сфері, тільки за 2017 рік, зросла на 12%. Оскільки сама ідея банкоматів передбачає проведення транзакцій цілодобово, то для забезпечення вільного доступу, ці пристрої встановлюються поза будівель, що охороняються. Це серйозно ускладнює завдання по забезпеченню цілісності самих апаратів, збереження грошей та безпеки клієнтів.
Види вразливості банкоматів
За даними ATMIA, число банкоматів, розрахованих на цілодобове обслуговування клієнтів, перевищує 3,5 млн. одиниць. Оскільки банкомати встановлюються в місцях громадського користування, доступ до яких відкритий постійно, то ця доступність привертає злочинців. У якості способів вилучення грошей, зловмисники здійснюють такі дії: механічний злом електронних пристроїв, шахрайське отримання інформації про ПІН-код банківських карт, напад на клієнтів з метою заволодіння банківською картою або готівкою.
Серед злочинців поширене застосування технічних засобів. Це, так званий, "скімінг", коли інформацію про ПІН-код зловмисники отримують за допомогою спеціального зчитувача, встановленого на панель банкомату або в картоприймач.
Крім того, банки зазнають збитків при виникненні клієнтських суперечок. Такі ситуації виникають, коли кількість транзакцій відносно невелика, в результаті чого, у клієнта виникають сумніви щодо проведення операцій по його запитам, і він заперечує рух коштів або відмовляється від їх зняття.
Тільки комплексний підхід до способів забезпечення безпеки банкоматів може гарантувати захищеність всієї фінансової установи та її клієнтів.
Використання технології глибокого навчання
Відповідно до технології Deep Learning, всередину банкомату встановлюється дві відеокамери. Перша звернена в сторону клієнта, а друга контролює робочу панель (картрідер). Таким чином, вбудована система безпеки визначає найменші відхилення від типового поведінкового шаблону або виникнення небезпечної ситуації перед банкоматом. Так, поява сторонньої особи, що заглядає через плече клієнта, або злочинця в масці, спричинить за собою спрацьовування сигналізації. За цим сигналом співробітники центру безпеки вживуть відповідних заходів.
Те ж саме станеться, якщо зловмисники будуть встановлювати накладку для крадіжки ПІН-коду, введуть фальшивий зчитувач інформації в приймальню панель для карток або встановлять свій скануючий пристрій.
Розумні технології Deep Learning спрощують процес контролю обстановки, і співробітники служби безпеки зможуть оперативно відреагувати на небезпечну ситуацію або проігнорувати помилкову тривогу. Інформація, отримана з відеокамер, стане незаперечним доказом при проведенні будь-якого розслідування.
У якості «механізму» глибокого вивчення обстановки виступає відеореєстратор Hikvision DeepinMind, який отримує інформацію з внутрішніх камер банкомату. Він же здійснює глибокий аналіз інформації з використанням спеціально розроблених алгоритмів.
Це дозволяє зіставляти відзнятий матеріал з інформацією, отриманою з інших мережевих відеореєстраторів та системою управління відеоконтролем. Об'єднання всіх елементів контролю і бізнес-аналітики в єдиний комплекс — створює потужну зброю для протидії злочинцям та забезпечення загальної безпеки при проведенні операцій з банкоматами.
З використанням технології Deep Learning набагато простіше здійснити захист активів в ключових точках системи безпеки банків. До того ж, щоденне користування банкоматами, встановленими поза межами банківських установ, стане безпечніше, оскільки кількість епізодів шахрайства та грабежів будуть зведені до мінімуму.
Читайте інші цікаві новини про системи безпеки:
Камери відеоспостереження FLIR та рішення United VMS забезпечують безпеку суднобудівної верфі
