<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 private test задачи &laquo;Атака&raquo; в течение второй фазы соревнования с 07.02 00:00 по 02.04 23:59.&nbsp;<br />
Результаты на этом лидерборде зафиксированы. Лучшие 10 команд отбираются для участия в финальном&nbsp;турнире соревнования (Турнир 2).</p>

#	Teams (58)	ROC-AUC Diff	Last	Entries
1	TransactionGPT	0.334551	9m	23
2	ssh1	0.315757	9m	2
3	CONS	0.308631	9m	7
4	Лаборатория	0.306881	9m	24
5	Andrey Kuznetsov	0.299748	9m	25
6	e58f8eadf77e	0.29711	8m	39
7	Alexander Dudin	0.28642	8m	24
8	Anatoly Ilyenkov	0.28505	8m	12
9	Gennady Shtech	0.282159	9m	12
10	overfit	0.280599	9m	15
11	Mikhail Zykov	0.27209	8m	8
12	SFTB	0.271298	9m	13
13	5a205b4a26e1	0.268381	8m	13
14	psch	0.256677	8m	14
15	Roman Barilov	0.255085	10m	16
16	Dmitry Kutsenko	0.237623	8m	61
17	Anton Morozov	0.179633	9m	11
18	Olga Legan	0.157803	9m	37
19	Zalina Rusinova UDVTeam	0.152255	8m	15
20	Alexey Sinadskiy UDV Team	0.142769	9m	24
21	Vyacheslav Siniy	0.095938	9m	7
22	Vlad Balanda	0.086954	9m	14
23	Dmitry Blinov	0.08263	9m	8
24	Andrei Kopylov	0.072554	9m	9
25	Stepan Andreev	0.06234	9m	14
26	mlrocks	0.037447	9m	10
27	Evgeny Kazenov	0.036192	8m	16
28	OzherelieVV	0.034987	10m	18
29	Timofey Zheleznyakov	0.033376	9m	1
30	8	0.029319	10m	5
31	Roman Sitnikov	0.028488	9m	2
32	Boris Bredikhin	0.026472	9m	5
33	Naive Baseline	0.024303	10m	10
34	Andrei Cheremnov	0.022477	9m	1
35	korowood ya	0.020486	9m	11
36	Dmitriy Shevchenko	0.019871	9m	18
37	Ivan Alexandrov	0.014263	10m	5
38	Aleksei Naumovskii	0.012795	9m	28
39	FrogDS	0.010779	9m	6
40	5f2f9d318459	0.010563	9m	3
41	Irina	0.010024	10m	14
42	ИП БУЛАВКО	0.00771	9m	2
43	Roman Sidorov	0.006188	10m	8
44	Nikita Nikonov	0.005377	10m	3
45	Victor Krasilnikov	0.005377	10m	10
46	Maxim Mitrofanov	0.005377	10m	1
47	Narek Maloyan	0.005377	10m	1
48	team-81	0.005377	10m	1
49	Ilia Dolzhanskii	0.005377	9m	2
50	Ilya Dol	0.005377	8m	3