Команда FreezerSports представила кейс построения антифрод-системы для букмекерской платформы на базе поведенческого анализа и современных ML-алгоритмов. Основная задача — борьба с арбитражными ставками и вилочными событиями, подрывающими честность и баланс игры.

Технологический стек включает сбор событий через Apache Kafka в реальном времени, хранение больших объёмов данных в Cassandra и MongoDB, кэширование сессий через Redis. Аналитика поведения построена на потоковой обработке с Apache Flink и Flink CEP для выявления сложных мошеннических паттернов.

Для обнаружения аномалий используются алгоритмы Isolation Forest, DBSCAN, LOF и рекуррентные нейронные сети (RNN LSTM) для анализа временных рядов ставок. Модели машинного обучения обучаются в режиме реального времени с элементами reinforcement learning, что позволяет системе постоянно улучшаться и снижать количество ложных срабатываний.

Реакция на подозрительные действия осуществляется мгновенно: Flink-алгоритмы блокируют подозрительные ставки, информация о них поступает в систему мониторинга. Операторы имеют интерфейс для ручной проверки инцидентов, а визуализация данных реализована в Grafana и Kibana.

Масштабируемость системы обеспечивается Kubernetes, интеграция с платформой ставок реализована через GraphQL. В результате внедрения FreezerSports удалось значительно сократить количество мошенничества, повысить точность выявления арбитражных схем и автоматизировать реакции на угрозы. Проект продолжает развитие, расширяя инструменты и алгоритмы противодействия новым фрод-сценариям.