Bulletin of Kemerovo State University. Series: Humanities and Social Sciences Bulletin of Kemerovo State University. Series: Humanities and Social Sciences Вестник Кемеровского государственного университета. Серия: Гуманитарные и общественные науки 2542-1840 2541-9145 104717 10.21603/2542-1840-2025-9-3-453-461 xjypjn Уголовно-правовые науки Criminal Law Уголовно-правовые науки Digital Transformation of Payment Systems: Fraud Issues and Detection Prospects Цифровая трансформация платежных систем: проблемы мошенничества и перспективы развития средств и методов обнаружения Абдурагимова Татьяна Иосифовна Abduragimova Tat'yana Iosifovna t.abduragimova@yandex.ru

кандидат юридических наук;

candidate of jurisprudence sciences;

 Московский университет МВД России имени В.Я. Кикотя москва Россия Московский университет МВД России имени В.Я. Кикотя москва Russian Federation 30 09 2025 30 09 2025 9 3 453 461 19 05 2025 10 06 2025 https://jsocnet.ru/en/nauka/article/104717/view

В условиях стремительной цифровизации всех направлений человеческой деятельности, в том числе финансового сектора, ускоренной пандемией COVID-19, проблема мошенничества с кредитными картами приобретает особую актуальность. Данное исследование посвящено комплексному анализу современных технологий обнаружения мошеннических операций, включая методы искусственного интеллекта, обработки больших данных и облачных вычислений. Цель – осветить самые последние и актуальные разработки по обнаружению мошенничества с кредитными картами, влияющие на новые технологии в этой области. Особое внимание уделяется эволюции платежных систем, переходу от традиционных методов к инновационным решениям на основе IoT-устройств и биометрических данных. Рассматриваются ключевые уязвимости существующих систем безопасности, а также перспективные направления развития средств и методов обнаружения мошенничества. Анализируются современные подходы к обработке транзакционных данных, включая распределенные вычисления и машинное обучение, с акцентом на их эффективность в условиях динамично меняющегося поведения пользователей. Исследование подчеркивает необходимость интеграции разнородных источников, данных для повышения точности обнаружения мошеннических операций. Особую значимость приобретает изучение возможностей облачных технологий для создания систем, способных оперативно реагировать на новые виды мошенничества в реальном времени. Предлагаются направления будущих исследований, включающие разработку гибридных моделей на основе данных IoT-устройств и биометрических показателей.

The COVID-19 pandemic boosted digitalization in all areas of human activity, including finances. As a result, the problem of credit card fraud is particularly relevant today. This comprehensive analysis highlights the latest and most relevant developments in the detection of credit card fraud, e.g., artificial intelligence, big data processing, and cloud computing methods. It focuses on the evolution of payment systems, including the shift from traditional methods to innovative solutions based on IoT devices and biometric data. The existing security systems remain vulnerable and require novel fraud detection tools and methods. The modern approaches to transaction data processing include distributed computing and machine learning, which proved effective in the context of dynamically changing users’ behavior patterns. Diverse data sources are needed to improve the accuracy of fraud detection. Cloud technologies can create systems capable of prompt response to new types of fraud in real time. Promising research directions include hybrid models based on data from IoT devices and biometric indicators.

 мошенничество банковские карты цифровая трансформация цифровые платежи токенизация биометрические системы транзакции искусственный интеллект Интернет вещей (IoT) fraud bank cards digital transformation digital payments tokenization biometric systems transactions artificial intelligence Internet of things (IoT)

Liu W., Wang X., Peng W. State of the art: Secure mobile payment. IEEE Access, 2020, 8: 13898–13914. https://doi.org/10.1109/ACCESS.2019.2963480 Liu W., Wang X., Peng W. State of the art: Secure mobile payment. IEEE Access, 2020, 8: 13898–13914. https://doi.org/10.1109/ACCESS.2019.2963480 Сумина А. В. Возможности искусственного интеллекта в раскрытии, расследовании и предупреждении преступлений. Актуальные проблемы права и правоприменительной деятельности: региональные аспекты: Всерос. науч.-практ. конф. (Краснодар, 27 октября 2023 г.) Краснодар: Краснодарский университет МВД России, 2024. С. 179–181. https://elibrary.ru/yxcvqr Sumina A. V. Possibilities of artificial intelligence in the detection, investigation, and prevention of crimes. Actual problems of law and law enforcement activity: Regional aspects: Proc. All-Russian Sci.-Prac. Conf., Krasnodar, 27 Oct 2023. Krasnodar: Krasnodar University of the MIA of Russia, 2024, 179–181. (In Russ.) https://elibrary.ru/yxcvqr Сумина А. В. Внедрение информационных технологий в правоохранительную деятельность: возможности искусственного интеллекта в раскрытии, расследовании и предупреждении преступлений. Информационные технологии в деятельности органов внутренних дел: Междунар. науч.-практ. конф. (Москва, 18 апреля 2024 г.) М.: Московский университет МВД РФ им. В. Я. Кикотя, 2024. С. 266–268. https://elibrary.ru/hwnxbv Sumina A. V. Introduction of information technology in law enforcement: The possibilities of artificial intelligence in the detection, investigation, and prevention of crime. Information technology in the activities of internal affairs: Proc. Intern. Sci.-Prac. Conf., Moscow, 18 Apr 2024. Moscow: V. Y. Kikotya Moscow University of the MIA of the Russian Federation, 2024, 266–268. (In Russ.) https://elibrary.ru/hwnxbv Васильева Ю. Д., Сумина А. В. Использование искусственного интеллекта в правоохранительной деятельности: потенциальные возможности применения для раскрытия и расследования преступлений. Право, общество, государство: проблемы истории, теории и практики: Всерос. науч.-практ. конф. (Старотеряево, 12 апреля 2024 г.) М.: Московский университет МВД России им. В. Я. Кикотя, 2024. С. 547–551. https://elibrary.ru/qmfidx Vasilieva Y. D., Sumina A. V. Artificial intelligence in law enforcement: Potential applications for crime detection and investigation. Law, society, and state: Problems of history, theory, and practice: Proc. All-Russian Sci.-Prac. Conf., Moscow, 12 Apr 2024. Staroteryaevo: V. Y. Kikotya Moscow University of the MIA of Russia, 2024, 547–551. (In Russ.) https://elibrary.ru/qmfidx Абдурагимова Т. И. Раскрытие и расследование изготовления, сбыта и использования поддельных кредитных и расчетных пластиковых карт: дис. … канд. юрид. наук. М., 2001. 201 с. https://elibrary.ru/nntouz Abduragimova T. I. Disclosure and investigation of manufacturing, sale, and use of counterfeit credit and settlement plastic cards. Cand. Law Sci. Diss. Moscow, 2001, 201. (In Russ.) https://elibrary.ru/nntouz Сучкова Е. А. Исследование личности преступника в ходе расследования неправомерного оборота средств платежей. Научный вестник Орловского юридического института МВД России имени В. В. Лукьянова. 2024. № 3. С. 258–265. https://elibrary.ru/cvztfo Suchkova E. A. Investigation of the identity of the perpetrator in the course of investigation of illegal circulation of means of payment. Scientific Bulletin of the Orel Law Institute of the Ministry of the Interior of Russia named after V. V. Lukyanov, 2024, (3): 258–265. (In Russ.) https://elibrary.ru/cvztfo Филиппов М. Н. Методика расследования краж и мошенничеств, совершенных с использованием банковских карт и их реквизитов. Ведомости уголовно-исполнительной системы. 2015. № 5. С. 26–30. https://elibrary.ru/uygmnj Filippov M. N. Technique of investigation of thefts and frauds, committed with the use of credit cards of bank details. Vedomosti penal-executive system, 2015, (5): 26–30. (In Russ.) https://elibrary.ru/uygmnj Мещеряков В. А. Теоретические основы механизма следообразования в цифровой криминалистике. М.: Проспект, 2022. 176 с. https://elibrary.ru/ejfpkb Meshcheryakov V. A. Theoretical foundations of the mechanism of trace formation in digital forensics. Moscow: Prospect, 2022, 176. (In Russ.) https://elibrary.ru/ejfpkb Al Hashedi K. G., Magalingam P. Financial fraud detection applying data mining techniques: A comprehensive review from 2009 to 2019. Computer Science Review, 2021, 40. https://doi.org/10.1016/j.cosrev.2021.100402 Al Hashedi K. G., Magalingam P. Financial fraud detection applying data mining techniques: A comprehensive review from 2009 to 2019. Computer Science Review, 2021, 40. https://doi.org/10.1016/j.cosrev.2021.100402 Yvan Lucas, Johannes Jurgovsky. Credit card fraud detection using machine learning: A survey. arXiv, 2020. https://doi.org/10.48550/arXiv.2010.06479 Yvan Lucas, Johannes Jurgovsky. Credit card fraud detection using machine learning: A survey. arXiv, 2020. https://doi.org/10.48550/arXiv.2010.06479 Popat R., Chaudhary J. A survey on credit card fraud detection using machine learning. 2018 2nd International conference on trends in electronics and informatics (ICOEI): Proc. Conf., Tirunelveli, 11–12 May 2018. IEEE, 2018, 1120–1125. https://doi.org/10.1109/ICOEI.2018.8553963 Popat R., Chaudhary J. A survey on credit card fraud detection using machine learning. 2018 2nd International conference on trends in electronics and informatics (ICOEI): Proc. Conf., Tirunelveli, 11–12 May 2018. IEEE, 2018, 1120–1125. https://doi.org/10.1109/ICOEI.2018.8553963 Kanika, Singla J. A survey of deep learning based online transactions fraud detection systems. 2020 International conference on intelligent engineering and management (ICIEM): Proc. Conf., London, 17–19 Jun 2020. IEEE, 2020, 130–136. https://doi.org/10.1109/ICIEM48762.2020.9160200 Kanika, Singla J. A survey of deep learning based online transactions fraud detection systems. 2020 International conference on intelligent engineering and management (ICIEM): Proc. Conf., London, 17–19 Jun 2020. IEEE, 2020, 130–136. https://doi.org/10.1109/ICIEM48762.2020.9160200 Mittal S., Tyagi S. Computational techniques for real-time credit card fraud detection. Handbook of computer networks and cyber security, eds. Gupta B., Perez G., Agrawal D., Gupta D. Cham: Springer, 2020. https://doi.org/10.1007/978-3-030-22277-2_26 Mittal S., Tyagi S. Computational techniques for real-time credit card fraud detection. Handbook of computer networks and cyber security, eds. Gupta B., Perez G., Agrawal D., Gupta D. Cham: Springer, 2020. https://doi.org/10.1007/978-3-030-22277-2_26 Singh A., Jain A. An empirical study of AML approach for credit card fraud detection–financial transactions. International Journal of Computers Communications & Control, 2019, 14(6): 670–690. https://doi.org/10.15837/ijccc.2019.6.3498 Singh A., Jain A. An empirical study of AML approach for credit card fraud detection–financial transactions. International Journal of Computers Communications & Control, 2019, 14(6): 670–690. https://doi.org/10.15837/ijccc.2019.6.3498 DiGabriele J., Heitger L., Riley R. A synthesis of non-fraud forensic accounting research. Journal of Forensic Accounting Research, 2020, 5(1): 257–277. https://doi.org/10.2308/JFAR-19-034 DiGabriele J., Heitger L., Riley R. A synthesis of non-fraud forensic accounting research. Journal of Forensic Accounting Research, 2020, 5(1): 257–277. https://doi.org/10.2308/JFAR-19-034 Hossein Motlagh N. Near field communication (NFC) – A technical overview. Dr. Diss. 2012, 73. https://doi.org/10.13140/RG.2.1.1232.0720 Hossein Motlagh N. Near field communication (NFC) – A technical overview. Dr. Diss. 2012, 73. https://doi.org/10.13140/RG.2.1.1232.0720 Vishwakarma P. P., Tripathy A. K., Vemuru S. Fraud detection in NFC-enabled mobile payments: A comparative analysis. Innovative data communication technologies and application, eds. Raj J. S., Iliyasu A. M., Bestak R., Baig Z. A. Singapore: Springer, 2021, vol. 59, 397–403. https://doi.org/10.1007/978-981-15-9651-3_34 Vishwakarma P. P., Tripathy A. K., Vemuru S. Fraud detection in NFC-enabled mobile payments: A comparative analysis. Innovative data communication technologies and application, eds. Raj J. S., Iliyasu A. M., Bestak R., Baig Z. A. Singapore: Springer, 2021, vol. 59, 397–403. https://doi.org/10.1007/978-981-15-9651-3_34 Pasquet M., Gerbaix S. The complexity of security studies in NFC payment system. Australian information security management conference: Proc. 8 Conf., Perth, 30 Nov 2010. Pert: Cowan University, 2010, 95–101. https://doi.org/10.4225/75/57b674cb34783 Pasquet M., Gerbaix S. The complexity of security studies in NFC payment system. Australian information security management conference: Proc. 8 Conf., Perth, 30 Nov 2010. Pert: Cowan University, 2010, 95–101. https://doi.org/10.4225/75/57b674cb34783 Лукинский И. С., Горшенева И. А. Промт-инжиниринг в образовательном процессе и научной деятельности или к вопросу о необходимости обучения работе с искусственным интеллектом. Психология и педагогика служебной деятельности. 2024. № 4. С. 148–154. https://doi.org/10.24412/2658-638X-2024-4-148-154 Lukinsky I. S., Gorsheneva I. A. Promt engineering in the educational process and scientific activity or to the question of the necessity of training to work with artificial intelligence. Psychology and pedagogy of service activity, 2024, (4): 148–154. (In Russ.) https://doi.org/10.24412/2658-638X-2024-4-148-154 Мирончук В. А., Золкин А. Л., Батищев А. В., Урусова А. Б. Интеграция больших данных и аналитических возможностей в современные системы поддержки принятия решений. Вестник Академии знаний. 2023. № 5. С. 227–230. https://elibrary.ru/decrqv Mironchuk V. A., Zolkin A. L., Batishchev A. V., Urusova A. B. Integration of big data and analytical capabilities into modern decision support systems. Vestnik of the Academy of Knowledge, 2023, (5): 227–230. (In Russ.) https://elibrary.ru/decrqv Doko F., Miskovski I. An overview of big data analytics in banking: Approaches, challenges and issues. UBT international conference. 2019, 11–17. URL: https://knowledgecenter.ubt-uni.net/conference/2019/events/270 (accessed 3 May 2025). Doko F., Miskovski I. An overview of big data analytics in banking: Approaches, challenges and issues. UBT international conference. 2019, 11–17. URL: https://knowledgecenter.ubt-uni.net/conference/2019/events/270 (accessed 3 May 2025). Laney D. 3D data management: Controlling data volume, velocity and variety. META Group Research. 2001. URL: https://diegonogare.net/wp-content/uploads/2020/08/3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf (accessed 3 May 2025). Laney D. 3D data management: Controlling data volume, velocity and variety. META Group Research. 2001. URL: https://diegonogare.net/wp-content/uploads/2020/08/3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf (accessed 3 May 2025). Schroeck M., Shockley R., Smart J. Analytics: The real-world use of big data: How innovative enterprises extract value from uncertain data, Executive Report. 2012. URL: https://www.researchgate.net/publication/315786855_Analytics_the_real-world_use_of_big_data_How_innovative_enterprises_extract_value_from_uncertain_data_Executive_Report (accessed 13 May 2025). Schroeck M., Shockley R., Smart J. Analytics: The real-world use of big data: How innovative enterprises extract value from uncertain data, Executive Report. 2012. URL: https://www.researchgate.net/publication/315786855_Analytics_the_real-world_use_of_big_data_How_innovative_enterprises_extract_value_from_uncertain_data_Executive_Report (accessed 13 May 2025). Gandomi A., Haider M. Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 2015, 35(2): 137–144. https://doi.org/10.1016/j.ijinfomgt.2014.10.007 Gandomi A., Haider M. Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 2015, 35(2): 137–144. https://doi.org/10.1016/j.ijinfomgt.2014.10.007 Jeffrey Dean, Sanjay Ghemawat. MapReduce: Simplified data processing on large clusters. Communications of the ACM, 2008, 51(1): 107– 113. https://doi.org/10.1145/1327452.1327492 Jeffrey Dean, Sanjay Ghemawat. MapReduce: Simplified data processing on large clusters. Communications of the ACM, 2008, 51(1): 107– 113. https://doi.org/10.1145/1327452.1327492 Nawsher Khan, Ibrar Yaqoob, Ibrahim Abaker Targio Hashem, Zakira Inayat, Waleed Kamaleldin Mahmoud Ali, Muhammad Alam, Muhammad Shiraz, Abdullah Gani. Big Data: Survey, technologies, opportunities, and challenges. The Scientific World Journal, 2014, 2014(1): 1–18. https://doi.org/10.1155/2014/712826 Nawsher Khan, Ibrar Yaqoob, Ibrahim Abaker Targio Hashem, Zakira Inayat, Waleed Kamaleldin Mahmoud Ali, Muhammad Alam, Muhammad Shiraz, Abdullah Gani. Big Data: Survey, technologies, opportunities, and challenges. The Scientific World Journal, 2014, 2014(1): 1–18. https://doi.org/10.1155/2014/712826 Dean J., Ghemawat S. MapReduce: A flexible data processing tool. Communications of the ACM, 2019, 53(1): 72–77. https://doi.org/10.1145/1629175.1629198 Dean J., Ghemawat S. MapReduce: A flexible data processing tool. Communications of the ACM, 2019, 53(1): 72–77. https://doi.org/10.1145/1629175.1629198 Shvachko K. V., Kuang H., Radia S. R., Chansler R. J. The hadoop distributed file system. 2010 IEEE 26th Symposium on mass storage systems and technologies (MSST): Proc. Conf., Incline Village, NV, 3–7 May 2010. IEEE, 2010, 1–10. https://doi.org/10.1109/MSST.2010.5496972 Shvachko K. V., Kuang H., Radia S. R., Chansler R. J. The hadoop distributed file system. 2010 IEEE 26th Symposium on mass storage systems and technologies (MSST): Proc. Conf., Incline Village, NV, 3–7 May 2010. IEEE, 2010, 1–10. https://doi.org/10.1109/MSST.2010.5496972 Vavilapalli V. K., Murthy A. C., Douglas C., Agarwal S., Konar M., Evans R., Graves T., Lowe J., Shah H., Seth S., Saha B., Curino C., O’Malley O., Radia S., Reed B., Baldeschwieler E. Apache Hadoop YARN: Yet another resource negotiator. SOCC '13: ACMsymposium on cloud computing: Proc. conf., California, 1–3 Oct 2013. NY: Association for Computing Machinery, 2013, 1–16. https://doi.org/10.1145/2523616.2523633 Vavilapalli V. K., Murthy A. C., Douglas C., Agarwal S., Konar M., Evans R., Graves T., Lowe J., Shah H., Seth S., Saha B., Curino C., O’Malley O., Radia S., Reed B., Baldeschwieler E. Apache Hadoop YARN: Yet another resource negotiator. SOCC '13: ACMsymposium on cloud computing: Proc. conf., California, 1–3 Oct 2013. NY: Association for Computing Machinery, 2013, 1–16. https://doi.org/10.1145/2523616.2523633 Madhavi A., Sivaramireddy T. Real-Time credit card fraud detection using spark framework. Machine learning technologies and applications, eds. Kiran Mai C., Brahmananda Reddy A., Srujan Raju K. Springer, 2021, 287–298. https://doi.org/10.1007/978-981-33-4046-6_28 Madhavi A., Sivaramireddy T. Real-Time credit card fraud detection using spark framework. Machine learning technologies and applications, eds. Kiran Mai C., Brahmananda Reddy A., Srujan Raju K. Springer, 2021, 287–298. https://doi.org/10.1007/978-981-33-4046-6_28 Zhou H., Sun G., Fu S., Wang L., Hu J., Gao Y. Internet financial fraud detection based on a distributed big data approach with Node2vec. IEEE Access, 2021, 9: 43378–43386. https://doi.org/10.1109/ACCESS.2021.3062467 Zhou H., Sun G., Fu S., Wang L., Hu J., Gao Y. Internet financial fraud detection based on a distributed big data approach with Node2vec. IEEE Access, 2021, 9: 43378–43386. https://doi.org/10.1109/ACCESS.2021.3062467 Мирончук В. А., Золкин А. Л., Мекшенева Ж. В., Поскряков И. А. Современные компьютерные системы поддержки принятия решений. Естественно-гуманитарные исследования. 2023. № 4. С. 228–231. https://elibrary.ru/ebeehk Mironchuk V. A., Zolkin A. L., Meksheneva Zh. V., Poskryakov I. A. Modern computer decision support systems. Natural and Humanitarian Research, 2023, (4): 228–231. (In Russ.) https://elibrary.ru/ebeehk Wischik D., Handley M., Braun M. B. The resource pooling principle. ACM SIGCOMM Computer Communication Review, 2008, 38(5): 47–52. https://doi.org/10.1145/1452335.1452342 Wischik D., Handley M., Braun M. B. The resource pooling principle. ACM SIGCOMM Computer Communication Review, 2008, 38(5): 47–52. https://doi.org/10.1145/1452335.1452342 Galante G., de Bona L. C. E. A survey on cloud computing elasticity. 2012 IEEE fifth international conference on utility and cloud computing: Proc. conf., Chicago, 5–8 Nov 2012. IEEE, 2012, 263–270. https://doi.org/10.1109/UCC.2012.30 Galante G., de Bona L. C. E. A survey on cloud computing elasticity. 2012 IEEE fifth international conference on utility and cloud computing: Proc. conf., Chicago, 5–8 Nov 2012. IEEE, 2012, 263–270. https://doi.org/10.1109/UCC.2012.30 Kumari P., Mishra S. P. Analysis of credit card fraud detection using fusion classifiers. Computational intelligence in data mining, eds. Behera H., Nayak J., Naik B., Abraham A. Singapore: Springer, 2019, vol. 711, 111–122. https://doi.org/10.1007/978-981-10-8055-5_11 Kumari P., Mishra S. P. Analysis of credit card fraud detection using fusion classifiers. Computational intelligence in data mining, eds. Behera H., Nayak J., Naik B., Abraham A. Singapore: Springer, 2019, vol. 711, 111–122. https://doi.org/10.1007/978-981-10-8055-5_11 Wiścicka-Fernando M. 2021. The use of mobile technologies in online shopping during the covid-19 pandemic – an empirical study. Procedia Computer Science, 2021, 192: 3413–3422. https://doi.org/10.1016/j.procs.2021.09.114 Wiścicka-Fernando M. 2021. The use of mobile technologies in online shopping during the covid-19 pandemic – an empirical study. Procedia Computer Science, 2021, 192: 3413–3422. https://doi.org/10.1016/j.procs.2021.09.114 Лукинский И. С. Типология промышленных революций и их классификаций через призму инноваций в области технико-криминалистического обеспечения. Вестник Кемеровского государственного университета. Серия: Гуманитарные и общественные науки. 2023. Т. 7. № 4. С. 505–511. https://doi.org/10.21603/2542-1840-2023-7-4-505-511 Lukinsky I. S. Typology of industrial revolutions and their classifications through the prism of innovations in the field of technical and forensic support. Vestnik Kemerovskogo gosudarstvennogo universiteta. Seriia: Gumanitarnye i obshchestvennye nauki, 2023, 7(4): 505–511. (In Russ.) https://doi.org/10.21603/2542-1840-2023-7-4-505-511