Big data : moteur de lutte contre la cybercriminalité
- Détails
-
Publié le par Meilleurtaux Banques
Les banques ont recours à l’analyse Big data pour renforcer la cybersécurité de leurs clients.
Les nombreuses attaques opérées sur le réseau interbancaire SWIFT prouvent que le secteur bancaire est une cible privilégiée pour les cybercriminels. Malins, ces derniers ne piratent toutefois pas directement les banques, mais ciblent plutôt leurs clients en ligne, étant donné que les postes des utilisateurs sont moins bien protégés que les SI bancaires.
La protection des usagers devient ainsi un enjeu d’envergure qui nécessite la mise en place de systèmes efficaces. Le Big data semble répondre à cette nécessité. Explications !
Je compare les offres bancaires
Le Big data, c’est quoi ?
Globalement, le Big data est un système qui analyse les volumes massifs de données que les outils d’analyse classiques ne peuvent pas traiter. La multiplicité des sources des données disponibles (internes et externes) et leur ampleur (dimension et volumétrie) rendent en effet inefficaces les méthodes statistiques traditionnelles.
Exploitant certaines technologies de traitement telles que Hadoop et Spark, le Big data s’appuie souvent sur le Machine learning ou apprentissage automatique pour déployer ses performances. Ce dernier est une discipline qui mêle les connaissances mathématiques et informatiques pour le traitement statistique de ces mégadonnées.
Grâce à l’élaboration d’algorithmes à partir des données, cette technique permet à des machines d’apprendre automatiquement et d’accomplir des tâches de façon performante.
Le Big data, au cœur de la lutte contre la cybercriminalité
Pour une détection en temps réel des menaces auxquelles leurs clients en ligne sont exposés, les entreprises doivent procéder à une analyse de leur trafic. Aujourd’hui, seuls les outils Big data peuvent analyser en temps réel de grandes quantités de données, générées par des centaines de millions d’évènements sauvegardés sur le site internet des entreprises chaque jour.
Ces outils permettent entre autres de déceler les tentatives de fraude, les comportements suspects et toute autre anomalie du trafic. Ainsi, les entreprises ont l’opportunité d’identifier de nouvelles approches pour parer les attaques les plus complexes.
C’est ainsi que Léa, experte en sécurité SI chez Société Générale explique que le Big data, avec le Machine Learning, se situe au cœur de la lutte contre la cybercriminalité dans le domaine bancaire et surtout dans la détection de la fraude au sein de la banque à distance. Ces deux éléments permettent notamment à l’enseigne de traiter 60 à 120 millions par jours de nouveaux évènements.
Je compare les offres bancaires
Une étude comportementale des clients
Léa souligne par ailleurs que le Big data permet à Société Générale de « modéliser toutes les habitudes des clients, afin de "scorer" les opérations et détecter celles qui sont suspicieuses ». Selon elle, cette étape est nécessaire pour prévoir de nouveaux scénarios d’attaques en temps réel.
Parmi les variables modélisées figurent notamment les habitudes de navigation des usagers sur la page web de la banque ainsi que leurs habitudes de transaction (virements, pays de destination…).
