L'alternative de confiance aux solutions de messagerie instantanée grand public.
Boostez la communication en invitant plusieurs milliers de membres dans des salons de discussions dédiés !
Comment pouvons-nous vous aider ? Vous trouverez l'aide qu'il vous faut.
S'enregistrer ou se connecter directement sur la plateforme Citadel Team
L'application est disponible sur toutes les plateformes.
Cryptobox est la solution de travail collaboratif et de transfert de fichiers agréée Diffusion Restreinte par l’ANSSI qui chiffre vos données de bout en bout, disponible en Cloud ou On Premise. Vos documents sont accessibles de manière totalement sécurisée depuis votre PC, smartphone et tablette.
Contrairement aux solutions grand public, Cryptobox est security by design : chaque fonctionnalité bénéficie nativement du plus haut niveau de sécurité. La solution offre diverses fonctionnalités pour vous permettre d’échanger en interne comme externe en toute confiance
La transformation numérique concerne toutes les organisations, privées ou publiques, des plus petites aux plus grandes. Les outils associés à cette transformation offrent de nombreux avantages : télétravail, partage d’informations simplifié, économies de temps et de coûts … et imposent de nouveaux défis concernant la protection des données collectées, stockées et partagées en interne et en externe.
Vos équipes pratiquent le télétravail ou travaillent à distance lors de déplacements. Vos équipes doivent avoir accès aux mêmes ressources que quand elles sont au bureau. Vos collaborateurs échangent des données sensibles. La DSI de votre entreprise doit pouvoir gérer les connexions à distance quel que soit le nombre de personnes connectées.
Vous stockez des informations professionnelles et personnelles sur votre smartphone Vous voyagez régulièrement à l’étranger et participez à des réunions téléphoniques Vous vous connectez fréquemment à des wifi publics Vous échangez des emails confidentiels via votre smartphone et votre tablette Vous accédez à des applications métier en mobilité Vous avez déjà perdu votre smartphone ou été victime d’un vol
Cybels Hub DR est la première solution cloud homologuée Diffusion Restreinte pour aider tous types d'entités à collaborer en toute sécurité avec des partenaires ! Collaborez en audio ou visio-conférence, échangez des données avec vos partenaires, le tout au niveau « Diffusion Restreinte » sur un cloud opéré et sécurisé par Thales.
Publié le 30 novembre 2017
La fraude à la carte bancaire est le type de fraude le plus visible du grand public : en effet, selon The Nilson Report, le préjudice mondial causé par la fraude à la carte bancaire s’élevait à 21 milliards de dollars (18,4 milliards d’euros) en 2015. Moins connues du grand public, les fraudes aux virements (cf https://blog.ercom.fr/lingenierie-sociale-et-ses-consequences/) suscitent l’intérêt des banques, qui cherchent à protéger leurs clients contre ces attaques dont le montant peut s’élever jusqu’à plusieurs millions pour une seule fraude. Il est important d’avoir conscience que la gestion des virements est un système critique pour le bon fonctionnement de l’économie d’un pays, système qui ne saurait donc tolérer de faille technique majeure.
Les méthodes traditionnelles de protection impliquent la mise en place de règles expertes et de contrôle manuels afin d’identifier et de vérifier les traitements les plus suspects, mais réduisent la fluidité du parcours client. Le Machine Learning est un bon candidat pour améliorer le niveau de protection tout en réduisant la friction et le traitement manuel dans ce parcours.
En phase d’étude, la création des modèles nécessite l’analyse à froid des données, notamment pour construire et choisir des variables qui vont permettre de révéler les phénomènes spécifiques à la fraude. L’apprentissage du modèle est réalisé sur l’historique des données et cette étape repose donc sur l’utilisation de technologies spécifiques aux traitements froids (batch).
Si cette partie d’étude à froid est essentielle, il est également nécessaire d’envisager au plus tôt la façon dont le modèle de Machine Learning créé va être déployé pour pouvoir être utilisé opérationnellement, sur des données « chaudes ». Pour être efficaces, les outils de lutte contre la fraude doivent en effet être mis en place à la fois sur des flux importants de données mais également être en mesure de réduire au maximum le temps de traitement de chaque virement. En effet, les nouvelles directives liées à l’Instant Payment augmentent encore les contraintes liées à la rapidité de traitement (moins de 20 secondes pour traiter entièrement le virement[1] et quelques centaines de millisecondes pour la détection de fraude). C’est dans ce contexte que les systèmes de détection de fraude doivent opérer, ce qui nécessite donc la conception d’une architecture spécifique, appuyée par des technologies adaptées.
L’enjeu principal de la mise en pilote d’un système de détection de fraude est la capacité opérationnelle à gérer le flux de virements, et en particulier les pics. Un système de détection de fraude doit donc répondre a minima aux contraintes suivantes :
Le schéma ci-dessous propose une vision macro de la chaîne de traitement à mettre en place pour le scoring des virements.
En cible, la chaîne de traitement en rouge doit donc pouvoir s’exécuter en moins de 20 secondes. Pour garantir ce temps de traitement, certains calculs doivent être exécutés en différés.
Pour implémenter cette chaîne de traitement, les besoins en technologies streaming (Fast Data) s’ajoutent aux besoins Big Data déjà existants. Il y a un véritable challenge technologique à proposer des outils qui permettent à la fois de répondre aux contraintes de fiabilité exigées par le secteur bancaire et de supporter les innovations récentes du domaine, comme l’Instant Payment. Notre prochain article de blog se penchera plus en détail sur ces technologies !
[1] https://www.europeanpaymentscouncil.eu/what-we-do/sepa-instant-credit-transfer
Quisque tincidunt nunc sit amet eleifend hendrerit. Nulla posuere ut dui at viverra. Sed quis dolor vel est sodales laoreet et in felis.
Cet article vous a plu ? N'hésitez pas à le partager