<h3>Соревнование продолжается! Регистрация открыта для участников до 2 апреля!</h3>

<h3><strong>Правила участия</strong></h3>

<p>Нажимая кнопку &laquo;Участвовать&raquo; и/или &laquo;Отправить решение&raquo;, вы соглашаетесь с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2023/Rules_Data_Fusion_2023.pdf" rel="noopener noreferrer" target="_blank">Правилами участия в соревновании Data Fusion Contest 2023.</a></p>

<h3>Постановка задачи</h3>

<p>В вашем распоряжении каким-то образом очутилась банковская модель классификации, предсказывающая дефолт клиента. Это рекуррентная нейросеть, принимающая на вход последние 300 транзакций клиента и классифицирующая клиентов на 2 класса. У вас нет доступа к полному набору данных, на которых модель была обучена, однако есть небольшая размеченная выборка клиентов с сопроводительными материалами.</p>

<p>Более того, у вас еще более таинственным образом имеется возможность частично изменять данные транзакций, которые будут поступать этой модели на вход. Ваша задача &ndash; взять неразмеченный файл с клиентскими транзакциями и внести в него атакующие изменения, удовлетворяющие ряду ограничений:</p>

<ul>
<li><strong>Бюджет: </strong>вы можете менять не более 10 транзакций у каждого клиента. Вы можете менять как все 10 транзакций, так и меньшее их число.</li>
<li><strong>Цели: </strong>вы можете менять MCC коды и сумму каждой транзакции, как вместе, так и по отдельности, но вы не можете менять ничего другого. Вы не можете удалять транзакции, либо добавлять новые.</li>
<li><strong>Лимиты:</strong>&nbsp;после внесения вами изменений, сумма в каждой измененной транзакции должна лежать в заранее известном диапазоне между минимумом и максимумом по соответствующему MCC коду.</li>
</ul>

<h3>Формат решений</h3>

<p>Вам необходимо создать алгоритм, способный по последовательности транзакций создать новый табличный <strong>.csv</strong> файл, который сильнее всего поменяет предсказания в предоставленной вам модели.&nbsp;</p>

<p>Это табличное соревнование с разметкой предоставленного вам <strong>.csv</strong> файла. Лидерборды соревнования будут использоваться для квалификации (отбора) на турниры. Перед каждым из турниров, успешно прошедшие отбор участники (топ-10 по лидерборду) должны будут в течение 24 часов запустить свои выбранные решения на новых турнирных тестовых файлах, которые будут предоставлены им напрямую организаторами.&nbsp;</p>

<h3>Проверка решений</h3>

<ul>
<li>Решения проверяются автоматически. Сперва ваши решения проходят проверку на соответствие ограничениям. После успешного прохождения проверки ваше решение используется для запуска предоставленной вам модели на атакованных данных.&nbsp;</li>
<li>Метрика соревнования&nbsp;&mdash;<strong> ROC-AUC Diff</strong> между результатом модели на исходных данных и ее результатом на вашем решении.&nbsp;</li>
<li>Соотношение public/private в соревновании составляет 50/50. Победители соревнования&nbsp;определяются по результатам участия в турнирах. Отбор на промежуточный турнир происходит по результатам на public лидерборде, а на финальный - по private лидерборду.&nbsp;</li>
</ul>

<h3>Информация&nbsp;для участников</h3>

<ul>
<li>В соревновании можно принимать участие из любой точки мира. Участники могут объединяться в команды до 4-х человек. Участвовать можно в любом количестве из предложенных задач и номинаций. Победители соревнования смогут получить денежные призы только на расчетные счета банков, зарегистрированных на территории Российской Федерации.&nbsp; Просим вас позаботиться об открытии счета в РФ заранее.</li>
<li>Ответы на часто задаваемые вопросы по задаче Атака можно найти на странице FAQ. Ответы на вопросы по всему Data Fusion Contest 2023 доступны&nbsp;на&nbsp;<a href="https://ods.ai/tracks/data-fusion-2023-competitions/faq" rel="noopener noreferrer" target="_blank">FAQ странице трека</a>.</li>
<li>Информация про турниры и их механики доступны на <a href="https://ods.ai/tracks/data-fusion-2023-competitions/tournament" rel="noopener noreferrer" target="_blank">Турнирной странице трека</a>.</li>
</ul>

<h3>Призовой фонд задачи 1, Атака</h3>

<p>Призовой фонд в рамках промежуточного турнира:</p>

<p>1 место: 125 000 рублей<br />
2 место: 75 000 рублей<br />
3 место: 50 000 рублей<br />
Номинация <a href="https://ods.ai/competitions/data-fusion2023-companion" rel="noopener noreferrer" target="_blank">Companion</a> по задаче Атака: 50 000 рублей</p>

<p>Призовой фонд в рамках финального турнира:</p>

<p>1 место: 250 000 рублей<br />
2 место: 150 000 рублей<br />
3 место: 100 000 рублей<br />
4 и 5 место: 75 000 рублей<br />
Номинация <a href="https://ods.ai/competitions/data-fusion2023-companion" rel="noopener noreferrer" target="_blank">Companion</a> по задаче Атака: 50 000 рублей</p>

<h3>Полезные статьи</h3>

<p>Тема атак и защиты моделей машинного обучения в прикладных задач сейчас только начинает развиваться. Чтобы вы могли вдохновиться подходами и идеями, хотим поделиться с вами наиболее интересными статьями по теме, отобранными в ходе подготовки соревнования:</p>

<ul>
<li><a href="https://arxiv.org/abs/2205.01714" rel="noopener noreferrer" target="_blank"><strong>[Arxiv, 3 May 2022]</strong></a><i> </i>Don&#39;t sweat the small stuff, classify the rest: Sample Shielding to protect text classifiers against adversarial attacks, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Rusert%2C+J" rel="noopener noreferrer" target="_blank">Jonathan Rusert</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Srinivasan%2C+P" rel="noopener noreferrer" target="_blank">Padmini Srinivasan</a></li>
<li><a href="https://arxiv.org/abs/2106.08361" rel="noopener noreferrer" target="_blank"><strong>[Arxiv, 15 Jun 2021]</strong></a><i><strong> </strong></i>Adversarial Attacks on Deep Models for Financial Transaction Records, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Fursov%2C+I" rel="noopener noreferrer" target="_blank">Ivan Fursov</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Morozov%2C+M" rel="noopener noreferrer" target="_blank">Matvey Morozov</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Kaploukhaya%2C+N" rel="noopener noreferrer" target="_blank">Nina Kaploukhaya</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Kovtun%2C+E" rel="noopener noreferrer" target="_blank">Elizaveta Kovtun</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Rivera-Castro%2C+R" rel="noopener noreferrer" target="_blank">Rodrigo Rivera-Castro</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Gusev%2C+G" rel="noopener noreferrer" target="_blank">Gleb Gusev</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Babaev%2C+D" rel="noopener noreferrer" target="_blank">Dmitry Babaev</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Kireev%2C+I" rel="noopener noreferrer" target="_blank">Ivan Kireev</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Zaytsev%2C+A" rel="noopener noreferrer" target="_blank">Alexey Zaytsev</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Burnaev%2C+E" rel="noopener noreferrer" target="_blank">Evgeny Burnaev</a></li>
<li><a href="https://arxiv.org/abs/1901.09963" rel="noopener noreferrer" target="_blank"><strong>[Arxiv, 20 Nov 2019] </strong></a>Defense Methods Against Adversarial Examples for Recurrent Neural Networks, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Rosenberg%2C+I" rel="noopener noreferrer" target="_blank">Ishai Rosenberg</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Shabtai%2C+A" rel="noopener noreferrer" target="_blank">Asaf Shabtai</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Elovici%2C+Y" rel="noopener noreferrer" target="_blank">Yuval Elovici</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Rokach%2C+L" rel="noopener noreferrer" target="_blank">Lior Rokach</a></li>
<li><a href="https://arxiv.org/abs/1604.08275" rel="noopener noreferrer" target="_blank"><strong>[Arxiv, 8 Apr 2016] </strong></a>Crafting Adversarial Input Sequences for Recurrent Neural Networks, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Papernot%2C+N" rel="noopener noreferrer" target="_blank">Nicolas Papernot</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=McDaniel%2C+P" rel="noopener noreferrer" target="_blank">Patrick McDaniel</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Swami%2C+A" rel="noopener noreferrer" target="_blank">Ananthram Swami</a>, <a href="https://arxiv.org/search/cs?searchtype=author&amp;query=Harang%2C+R" rel="noopener noreferrer" target="_blank">Richard Harang</a></li>
<li><a href="https://spiral.imperial.ac.uk/handle/10044/1/96749" rel="noopener noreferrer" target="_blank"><strong>[ICL Thesis, October 2021]</strong></a> Robustness against adversarial attacks on deep neural networks, Liu Yi-Ling</li>
</ul>

На что способен Adversarial ML для атак ML моделей на транзакционных данных? Попробуйте обойти, исказить и атаковать предложенную вам модель классификатора через атаку на данные.

Public Phase 1

Public Phase 2

Private Phase 2

Турнир 1

Турнир 2

Данные

User Agreement Bank

<p><a href="http://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2023/reg/soglasie_vtb_DF%20Contest%202023.pdf">даю согласие</a>&nbsp;Банку ВТБ (ПАО) на обработку моих персональных данных, ознакомлен с&nbsp;<a href="http://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2023/reg/Polozhenie_ob_organizatsii_obrabotki_personalnykh_dannykh_vypiska.pdf">Положением об организации обработки персональных данных&nbsp;Банком ВТБ (ПАО)&nbsp;</a>&nbsp;(*)</p>

Consent Data Processing (Data Souls)

<p><a data-sk="tooltip_parent" data-stringify-link="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2022-01-31-%D0%A1%D0%BE%D0%B3%D0%BB%D0%B0%D1%81%D0%B8%D0%B5%20%D0%BD%D0%B0%20%D0%BE%D0%B1%D1%80%20%D0%9F%D0%94%D0%BD.pdf" delay="150" href="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2022-01-31-%D0%A1%D0%BE%D0%B3%D0%BB%D0%B0%D1%81%D0%B8%D0%B5%20%D0%BD%D0%B0%20%D0%BE%D0%B1%D1%80%20%D0%9F%D0%94%D0%BD.pdf" rel="noopener noreferrer" target="_blank">даю согласие</a>&nbsp;DataSouls на обработку моих персональных данных&nbsp;(*)</p>

Privacy Policy and User agreement (Data Souls)

<p>ознакомлен и принимаю&nbsp;<a data-sk="tooltip_parent" data-stringify-link="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2021-05-11-%D0%9F%D0%A1.pdf" delay="150" href="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2021-05-11-%D0%9F%D0%A1.pdf" rel="noopener noreferrer" target="_blank">Пользовательское соглашение</a>&nbsp;и&nbsp;<a data-sk="tooltip_parent" data-stringify-link="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2021-08-30-%D0%9F%D0%9A.pdf" delay="150" href="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2021-08-30-%D0%9F%D0%9A.pdf" rel="noopener noreferrer" target="_blank">Политику конфиденциальности</a>&nbsp;DataSouls (*)</p>

Consent

<p>согласен(а) получать информационные рассылки от ООО &ldquo;Соревнования Анализа Данных&rdquo;&nbsp;</p>

first_name

First name

last_name

Last name

country

Country (lat)

city

City (lat)

email

Email

phone_optional

Phone (Optional)

Occupation

Experience

Experience in DC

study_place2

Company/study place name

referral

How did you know about the competition?

Registration application for Data Fusion 2023

Data Fusion Contest 2023 - Задача 1 «Атака»

Predictions

<p>Результаты участников на public test задачи Атака в течение второй фазы соревнования с 07.02 00:00 по 02.04 23:59.&nbsp;<br />
Отбор на финальный турнир соревнования будет происходить по результатам на private test лидерборде.&nbsp;</p>

#	Teams (58)	ROC-AUC Diff	Last	Entries
1	TransactionGPT	0.436635	9m	23
2	Лаборатория	0.418524	9m	24
3	CONS	0.418017	9m	7
4	Gennady Shtech	0.376008	9m	12
5	Alexander Dudin	0.365216	8m	24
6	Dmitry Kutsenko	0.361368	8m	61
7	e58f8eadf77e	0.360568	8m	39
8	Mikhail Zykov	0.35172	8m	8
9	Andrey Kuznetsov	0.350693	9m	25
10	SFTB	0.346422	9m	13
11	overfit	0.345505	9m	15
12	Anatoly Ilyenkov	0.343197	8m	12
13	ssh1	0.33968	9m	2
14	Anton Morozov	0.316609	9m	11
15	Zalina Rusinova UDVTeam	0.312767	8m	15
16	5a205b4a26e1	0.308775	8m	13
17	Roman Barilov	0.265953	10m	16
18	psch	0.250559	8m	14
19	Alexey Sinadskiy UDV Team	0.209629	9m	24
20	Olga Legan	0.202147	9m	37
21	Andrei Kopylov	0.152018	9m	9
22	Vlad Balanda	0.142416	9m	14
23	Vyacheslav Siniy	0.135694	9m	7
24	Dmitry Blinov	0.123141	9m	8
25	mlrocks	0.112369	9m	10
26	Stepan Andreev	0.087665	9m	14
27	Timofey Zheleznyakov	0.080989	9m	1
28	Guess What	0.078265	8m	1
29	Evgeny Kazenov	0.078258	8m	16
30	OzherelieVV	0.073363	10m	18
31	korowood ya	0.069189	9m	11
32	Roman Arsyukov	0.049342	9m	5
33	Nikita Nikonov	0.044603	10m	3
34	Roman Sidorov	0.044603	10m	8
35	Victor Krasilnikov	0.044603	10m	10
36	Aleksei Naumovskii	0.044603	9m	28
37	Maxim Mitrofanov	0.044603	10m	1
38	Narek Maloyan	0.044603	10m	1
39	team-81	0.044603	10m	1
40	Naive Baseline	0.044603	10m	10
41	5f2f9d318459	0.044603	9m	3
42	Ilia Dolzhanskii	0.044603	9m	2
43	Ilya Dol	0.044603	8m	3
44	Sergey Misyura	0.044603	9m	1
45	8	0.038629	10m	5
46	Roman Sitnikov	0.030216	9m	2
47	Irina	0.028676	10m	14
48	ИП БУЛАВКО	0.027551	9m	2
49	Andrei Cheremnov	0.023611	9m	1
50	Dmitriy Shevchenko	0.020575	9m	18