Существует множество «умных» приложений для защиты от банковского мошенничества. Основные инструменты ИИ для борьбы с незаконными процессами в банках: это машинное обучение, обнаружение аномалий, предиктивная и прогнозная аналитика. С помощью этих инструментов ИИ определяет несоответствия в процессе оплаты или использовании услуг банка.

Предотвращение мошеннических действий в банке – одно из наиболее перспективных и развитых направлений использования искусственного интеллекта в финансовой отрасли.

Машинное обучение для анализа данных

Искусственный интеллект применяется для анализа сразу двух и более каналов данных. С помощью методов машинного обучения программу обучают распознавать несколько типов транзакций, а затем выявлять уязвимости, подозрительную активность или мошеннические процессы. Для правильной реализации потенциала систем ИИ компании требуются два типа специалистов: ученые, разбирающиеся в технических тонкостях нейросетей и простые сотрудники, которые умеют обрабатывать полученные соцсетями данные.

Джейсон Сандрам (Jason Sundram), специалист по AI в компании Facebook подчеркнул, как важны для любого ИИ-проекта сотрудники, знающие рынок и умеющие ориентироваться в клиентской базе. Там, где искусственный интеллект будет полагаться на математические закономерности, человек сможет экспериментальным методом прийти к самому успешному результату. В банковском деле программное обеспечение не только осуществляет процесс вычислений и обработки данных – оно также позволяет техническим специалистам понять, какие исходные данные привели к полученному результату. Пример ИИ решения: платформа Teradata.

Она ускоряет выявление незаконных банковских операций, а также помечает подозрительные процессы, на которых система «учится» распознавать собственные ошибки. Так, Teradata помогла Danske Bank модернизировать процесс выявления незаконных процессов и устранить 1200 ежедневных ложных уведомлений системы безопасности.

В процессе тестирования Teradata, банку удалось на 60% сократить отправку системой безопасности ложных уведомлений об атаках и на 50% увеличить обнаружение реальных угроз. Очевидно, что показатели будут повышаться со временем, а платформа начнёт работать эффективнее, поскольку система ИИ самообучается.

Обнаружение аномалий

Решения для обнаружения и предотвращения мошенничества, основанные на обнаружении аномалий, более распространены, чем основанные на предиктивной и прогнозной аналитике. Нейронная сеть в этом случае обучается на непрерывном потоке входящих данных. В банковской отрасли такая сеть анализирует операции, историю кредитных заявок или данные для открытия счетов.

После анализа ИИ уведомляет о любых отклонениях от нормы, а оператор может как принять предупреждение, так и отклонить его как не стоящее внимания. В результате этой совместной работы человека и ИИ-системы, нейронная сеть понимает, какой процесс аномален, а какой обычен. Для обучения системы используется информации о транзакциях эмитентов (выпускающих ценные бумаги) и трейдеров, а не только владельцев банковских учетных записей, ведь потенциальным злоумышленником может быть не только клиент, но и партнер, совершающий транзакции. Пример ПО для обнаружения аномалий – Feedzai. С его помощью банки разрабатывают профили риска клиентов, предотвращают легализацию денежных средств, полученных незаконным путем.

Прогнозная и предиктивная аналитика

Модели машинного обучения для обнаружения мошенничества используются для разработки прогностического и предиктивного аналитического программного обеспечения. Прогнозирующая аналитика – это особый метод обнаружения незаконных действий путем анализа данных по специальному алгоритму . Предиктивная аналитика выдает результат уже на основе скорректированных данных прогнозного анализа. Как и предыдущие механизмы ИИ, такое ПО способно к самообучению. Применяется для контроля электронных платежей и переводов, деятельности в мобильных банковских приложениях. Пример ИИ-решения: платформа DataVisor.

Автор: Елена Семенчук


Читайте также:

Двойной удар Amazon: гигант e-commers намерен покорить розничную офлайн-среду

Atlas AI и AGRA подписали меморандум по устранению угрозы продовольственной безопасности в Африке

Комментарии