В статье проводится анализ нейросетевых технологий и систем искусственного интеллекта, которые используются для защиты данных в российском банковском секторе в период с 2023 по 2025 год. Отмечено, что крупнейшие финансовые институты переходят от покупки готовых вендорских решений к созданию собственных ИИ-платформ и формируют автономный «цифровой иммунитет». На основе официальных отчетов шести коммерческих банков (Сбер, ВТБ, Альфа-Банк, Т-Банк, Россельхозбанк, Газпромбанк) проведено сравнение различных стратегических моделей – от тотальной автоматизации до глубокой проверки безопасности ИТ-инфраструктуры. Сделан вывод о том, что внедрение мультиагентных систем, большого количества языковых моделей (LLM) и алгоритмов машинного обучения позволяет достичь точности детекции киберугроз до 93–99%, многократно сократить время реакции на проблему, а также минимизировать финансовые потери от мошенничества и социальной инженерии. В работе показана эффективность проактивного подхода к информационной безопасности для защиты конфиденциальных данных от угроз.

The article analyzes how neural network technologies and artificial intelligence systems are used to protect data in the Russian banking sector between 2023 and 2025. It is evident that major financial institutions are moving from purchasing ready‑made vendor solutions to creating their own AI platforms and building an autonomous “digital immunity”. Based on official reports from six large commercial banks (Sber, VTB, Alfa‑Bank, T‑Bank, Rosselkhozbank, Gazprombank), a comparison was made of various strategic models – from total automation to in‑depth security testing of IT infrastructure. It is evident that the implementation of multi‑agent systems, a large number of language models (LLM) and machine learning algorithms makes it possible to achieve a detection accuracy of cyber threats of up to 93–99 %, significantly reduce the response time to a problem, and minimize financial losses from fraud and social engineering. The paper demonstrates the effectiveness of a proactive approach to information security for protecting confidential data from threats.