Phát hiện bất thường

Phát hiện bất thường là gì?

Kỹ thuật phân tích dữ liệu nhằm xác định các điểm dữ liệu, giao dịch hoặc hành vi lệch đáng kể so với mô hình bình thường đã được huấn luyện. Trong ngân hàng, kỹ thuật này được ứng dụng để phát hiện giao dịch bất thường, rửa tiền, gian lận thẻ hoặc truy cập tài khoản trái phép.

Đặc điểm chính

• Phương pháp: Sử dụng thống kê (Z-score, IQR) kết hợp Machine Learning: Isolation Forest, Autoencoder, LSTM, One-Class SVM.
• Huấn luyện mô hình nền (baseline): Học hành vi bình thường từ 6-12 tháng dữ liệu lịch sử, cập nhật liên tục.
• Hai chế độ: Real-time scoring (chấm điểm tức thì) và Batch scoring (phân tích cuối ngày/đêm).
• Giảm cảnh báo sai (false positive): So với rule-based truyền thống, ML giảm 40-60% cảnh báo giả, tiết kiệm nhân lực Compliance.
• Tuân thủ: Đáp ứng Quyết định 2345/QĐ-NHNN về an toàn, bảo mật trong hoạt động ngân hàng và Thông tư 17/2019/TT-NHNN.

Ví dụ minh họa

Tài khoản nhân viên văn phòng B thường tiêu dưới 10 triệu/ngày tại TP.HCM. Đột nhiên 3h sáng phát sinh giao dịch 50 triệu tại ATM Hà Nội, kèm 5 giao dịch rút tiền liên tiếp. Mô hình LSTM phát hiện độ lệch >3 sigma so với baseline, tự động khóa thẻ và gửi OTP xác thực đến khách hàng, đồng thời cảnh báo cho đội Fraud Operations xử lý trong vòng 30 phút.