Analityka behawioralna

Analityka behawioralna to podejście polegające na analizie sposobu, w jaki użytkownik korzysta z systemów cyfrowych. W przeciwieństwie do klasycznych metod uwierzytelniania, opartych na tym, co użytkownik „wie” (hasło) lub „posiada” (token), analityka behawioralna bazuje na tym, „jak się zachowuje”. Obejmuje ona takie elementy, jak dynamika pisania na klawiaturze, sposób poruszania kursorem, tempo przewijania strony czy charakterystyczne wzorce korzystania z aplikacji mobilnej.

W praktyce bankowej analityka behawioralna znajduje zastosowanie przede wszystkim w wykrywaniu nadużyć finansowych, w tym przejęć kont oraz nieautoryzowanych transakcji. Systemy wykorzystujące tę technologię budują profil behawioralny użytkownika na podstawie jego wcześniejszych interakcji z systemem. Następnie każda kolejna sesja jest porównywana z tym profilem. W przypadku wykrycia istotnych odchyleń – np. zmiany sposobu wpisywania danych logowania czy nietypowej sekwencji działań – system może zainicjować dodatkową weryfikację lub zablokować transakcję.

– System wykorzystuje np. informacje na temat tego jak osoby korzystają z klawiatury, jakie mają tempo pisania, czy stosują zbitki literowe – to są elementy unikalne i takie informacje potrafią nam przekazać, kto łączy się z systemem. W podobny sposób analizujemy również działanie myszki czy korzystanie ze smartfonu. Gesty wykonywane przez klienta, czy sprawność jego działania, uwarunkowane są zarówno konstrukcją układu mięśniowo-szkieletowego, jak również wiedzą o aplikacji – tłumaczy dr Piotr Wojewnik, ekspert od analityki behawioralnej, dyrektor Data Science w Biurze informacji Kredytowej oraz członek zarządu Digital Fingerprints.

ANALITYKA BEHAWIORALNA 2.0

Istotną cechą analityki behawioralnej jest jej działanie w tle, w sposób ciągły i niewidoczny dla użytkownika. Dzięki temu możliwe jest zwiększenie poziomu bezpieczeństwa bez pogarszania komfortu klienta, co stanowi istotną przewagę nad bardziej inwazyjnymi metodami uwierzytelniania. Co więcej, rozwiązania te są szczególnie skuteczne w wykrywaniu wyłudzeń, takich jak phishing czy vishing, ale również mogą zwalczać ataki socjotechniczne, w których przestępcy nakłaniają użytkowników do samodzielnego wykonania oszukańczych operacji. Choć formalnie działania te są wykonywane przez prawdziwego użytkownika, ich przebieg często odbiega od typowych wzorców zachowań, co może zostać wychwycone przez systemy analityczne.

dr Piotr Wojewnik, ekspert od analityki behawioralnej, dyrektor Data Science w Biurze Informacji Kredytowej oraz członek zarządu Digital Fingerprints (fot. BIK)

– Weryfikacja behawioralna czy analityka behawioralna powstała po to, żeby zidentyfikować sytuację, kiedy inna osoba korzysta z rachunku i próbuje realizować zlecenia. I to nazwałbym analityką behawioralną 1.0 – jest to podstawowy poziom zabezpieczenia, gdy bank wychwyci, że aktualne zachowanie jest znacząco odmienne od typowego. Natomiast to, co nazwałbym analityką behawioralną 2.0, to jest odróżnienie sytuacji, gdy klient osobiście korzysta ze swojego konta, ale zachowuje się w sposób nietypowy, bo jest w stresie. Dla przykładu – oszust manipuluje nim przy użyciu socjotechnik i klient jest do czegoś nakłaniany – wyjaśnia dr Wojewnik.

Chodzi np. o sposób realizacji przelewów, który nie jest typowy dla danej osoby, czy powolne przeszukiwanie aplikacji, podczas gdy do tej pory klient nie miał trudności z jej obsługą.

– Wiadomo, że gdy ja loguję się na swoje konto, będzie zgadzało się hasło i login, będzie zgadzało się urządzenie, a właśnie behawior, jednak moje zachowanie, to jest coś, co może wyglądać trochę inaczej, co może dać ten dodatkowy alert o potencjalnym ryzyku i dostarczyć bankowi wystarczająco wyraźny sygnał, że transakcja nie przebiega prawidłowo – dodaje ekspert.

BANKI SĄ PIERWSZYM KIERUNKIEM WERYFIKACJI

Technologicznie analityka behawioralna opiera się na zaawansowanych algorytmach uczenia maszynowego, które analizują duże zbiory danych w czasie rzeczywistym. Wykorzystywane są m.in. modele detekcji anomalii oraz techniki klasyfikacji, pozwalające na przypisanie określonego poziomu ryzyka do danej aktywności. W praktyce rozwiązania te są często integrowane z innymi systemami bezpieczeństwa, tworząc wielowarstwowe mechanizmy ochrony.

Pomimo licznych zalet, wdrażanie analityki behawioralnej wiąże się również z pewnymi wyzwaniami. Jednym z najważniejszych jest kwestia prywatności i ochrony danych osobowych. Analiza zachowań użytkowników może budzić obawy w kontekście zgodności z przepisami o ochronie danych, w szczególności z ogólnym rozporządzeniem o ochronie danych osobowych (RODO). Wymaga to od banków odpowiedniego projektowania systemów oraz transparentnej komunikacji z klientami. Innym wyzwaniem jest ryzyko tzw. fałszywych alarmów, które mogą prowadzić do nieuzasadnionych blokad transakcji.

– Weryfikacja behawioralna brzmi rzeczywiście jak sięganie po bardzo wrażliwe dane, zrozumiałe jest zatem to, że wiele osób czuje obawy. Pojawiają się również podejrzenia, że w ramach takiej analizy pozyskiwane będą dane dotyczące np. stanu zdrowia. A taka wiedza mogłaby – w ocenie wielu osób – rzutować choćby na decyzję o udzieleniu przez banki kredytu. Tylko, że to są zarzuty totalnie nietrafione, bo jeśli mówimy o ochronie danych osobowych, o ochronie konsumenta, to banki i sektor bankowy są pierwszym kierunkiem weryfikacji przez regulatora. Tak więc nawet jeśli pojawiłaby się taka pokusa, żeby wykorzystać pozyskane dane, to tego rodzaju naruszenia będą bardzo szybko odkryte – tłumaczy Piotr Wojewnik, który w ramach Grupy BIK zajmuje się również scoringiem.

Jako prosty przykład podaje kwestię katalogu informacji, które bank posiada, ale z których korzystać mu nie wolno. Jedną z takich informacji jest płeć. Ze statystyk wynika wprost, że kredyty są lepiej spłacane przez kobiety, jednak ta oczywista informacja nie może być brana pod uwagę podczas oceny ryzyka kredytowego, bo zakazuje tego regulator. Dlatego żaden bankowy model analityczny nie bierze pod uwagę informacji o płci. Podobnie byłoby z kwestią stanu zdrowia.

TRWAJĄ PRÓBY ZNALEZIENIA OBEJŚCIA

Warto również zauważyć, że analityka behawioralna wpisuje się w szerszy trend rozwoju inteligentnych systemów bezpieczeństwa opartych na sztucznej inteligencji. W kontekście regulacyjnym jej znaczenie może wzrosnąć wraz z rozwojem europejskich ram prawnych dla usług płatniczych, takich jak PSD2 i projektowana PSD3, które kładą nacisk na silne uwierzytelnianie oraz zarządzanie ryzykiem transakcyjnym.

Jak podkreślają eksperci, analityka behawioralna stanowi dzisiaj jedno z najbardziej obiecujących narzędzi w walce z fraudami w bankowości cyfrowej. Jej zdolność do identyfikacji subtelnych odchyleń w zachowaniu użytkownika pozwala na wykrywanie zagrożeń, które pozostają niewidoczne dla tradycyjnych systemów bezpieczeństwa. W miarę dalszego rozwoju technologii oraz rosnącej presji regulacyjnej można oczekiwać, że rozwiązania te będą odgrywać coraz większą rolę w ochronie klientów i instytucji finansowych.

– To bardzo skuteczne narzędzie, na które jak dotychczas cyberoszuści nie znaleźli antidotum. Za pomocą sztucznej inteligencji coraz skuteczniej adresują problem imitowania głosu klienta czy jego wizerunku, i docierają do nas sygnały, że trwają próby znalezienia obejścia dla weryfikacji behawioralnej, ale zdecydowanie nie mamy potwierdzenia, żeby jakieś fraudy były zrealizowane w ten sposób – podsumowuje ekspert BIK.

ANALITYKA BEHAWIORALNA JAKO WAŻNY ELEMENT SYSTEMU BEZPIECZEŃSTWA
Jednym z najczęściej wykorzystywanych w Polsce narzędzi do analizy behawioralnej jest Platforma Weryfikacji Behawioralnej BIK. Korzysta z niej już 11 banków, w tym instytucje z pierwszej trójki największych na rynku. Jak wynika z raportu „Liczba klientów w bankach – III kwartał 2025 r.”, przygotowanego przez „Puls Biznesu”, daje to łącznie 70% liczby klientów banków w naszym kraju.
Dzięki ciągłemu „uczeniu się” zachowań klienta, platforma jest w stanie wykryć sytuacje, w których dostęp do konta bankowego uzyskuje osoba nieuprawniona – nawet jeśli posiada poprawne dane logowania. W momencie wykrycia nieprawidłowości bank otrzymuje sygnał ostrzegawczy, który umożliwia natychmiastową reakcję, np. zablokowanie dostępu do konta lub zatrzymanie podejrzanej transakcji. Co ważne, wszelkie dane agregowane są bezkontekstowo, a rozwiązanie działa z pełnym poszanowaniem prywatności użytkowników. Chronieni są zarówno klienci końcowi, jak i same instytucje, które ograniczają straty i koszty reklamacji.
Istotną cechą tego rozwiązania jest funkcjonowanie platformowe i współdziałanie banków, co oznacza, że pozwala nie tylko zabezpieczać jedną instytucję, ale również chronić je parami czy grupami wtedy, gdy któraś z nich nie jest zbyt często odwiedzana przez klienta, bo ma on tam np. tylko rachunek depozytowy. Wówczas także może być chroniony przy pomocy weryfikacji behawioralnej, bo inne instytucje dostarczą świeżych danych na temat tego, jaki jest jego typowy sposób zachowania aktualny na dzisiaj.