More

    Chống gian lận trong tương lai: Ngân hàng cần làm gì

    Hành vi của khách hàng đã thay đổi hoàn toàn trong thời gian diễn ra đại dịch, điều này cũng làm thay đổi ngành thanh toán một cách tự nhiên.

    Để tránh gian lận, ngành tài chính luôn có những biện pháp kiểm tra và cân đối cụ thể để xác định hành vi đáng ngờ hoặc lập biểu đồ thay đổi hành vi của khách hàng. Các kiểm tra và số dư này, dựa trên logic và đào tạo để xác định các mẫu, hầu hết đều hoạt động tốt cho đến khi xảy ra đại dịch dựa trên bất kỳ thứ gì ngoại trừ logic và các mẫu có những khách hàng chưa bao giờ sử dụng ngân hàng trực tuyến hoặc mua hàng hóa và dịch vụ thông qua ví điện tử đột nhiên làm như vậy nhiều lần. Và nhiều khách hàng trực tuyến hơn đồng nghĩa với việc lừa đảo nhiều hơn.

    James Heinzman, EVP của giải pháp dịch vụ tài chính cho ThetaRay, cho biết trong một cuộc phỏng vấn với ATM Marketplace, “Các mô hình và mô hình luôn được sử dụng để xác định gian lận không còn phù hợp nữa. “Các ngân hàng hiện đang tạo ra số lượng cảnh báo gấp 400-600 lần so với trước đại dịch và các mô hình đang xác định các hành vi mới là đáng ngờ, thay vì nhận ra rằng hành vi cơ bản của thị trường đã thay đổi.”

    Heinzman giải thích bởi vì ngành công nghiệp này chưa bao giờ chứng kiến ​​những thay đổi triệt để như vậy trước đây, các mô hình đã được sử dụng trước đại dịch phải được viết lại, đào tạo lại và hiệu chỉnh lại để có ý nghĩa trong tương lai.

    “Đây là một nỗ lực rất tốn kém và tốn nhiều nguồn lực. Viết lại các chương trình công nghệ cũ có thực sự có ý nghĩa không? Chúng tôi tin rằng học máy không giám sát là một giải pháp tốt hơn cho vấn đề này. Các giải pháp trí tuệ nhân tạo tiên tiến giải quyết được vấn đề này vì nó dựa trên dữ liệu và tự động điều chỉnh theo bình thường mới, ”Heinzman nói. “Nó phân biệt chính xác giữa những thay đổi của thị trường bán buôn và những hành vi đáng ngờ thực sự. Bởi vì không có quy tắc hoặc mô hình được xác định trước, nó có thể tạo kết nối và xác định các mẫu ngay cả khi không có ví dụ trước ”.

    Q: Nếu các mô hình phát hiện chống rửa tiền và chống gian lận bị COVID-19 làm cho gần như vô dụng thì ngân hàng phải làm gì?

    Đ: Điều đầu tiên [ngân hàng] cần làm là xem xét mới các chương trình AML của họ. Kiểm tra con người, quy trình và công nghệ. Họ cần phải thừa nhận rằng thế giới đã thay đổi mãi mãi; vi rút sẽ không biến mất. Đã đến lúc các ngân hàng phải thực sự áp dụng công nghệ mới và hiện đại hóa cơ sở hạ tầng của mình. Rất nhiều ngân hàng dựa trên các mối quan hệ — tương tác giữa con người với nhau. Điều đó đã thay đổi đáng kể. Ngân hàng trong tương lai sẽ được thực hiện chủ yếu thông qua các kênh web và kỹ thuật số. Các chương trình AML cần phải thích ứng để đáp ứng sự thay đổi này và hiện đại hóa công nghệ.

    Q: Làm thế nào mà các ngân hàng lại để ngỏ sự gia tăng của tội phạm mạng?

    Đ: Lực lượng nhân viên ngân hàng hiện đang làm việc tại nhà, các hệ thống bảo mật không được thiết kế cho việc đó và các lỗ hổng bảo mật mới đã phát sinh. Nó cũng buộc các ngân hàng tiết lộ thông tin nhạy cảm cho những người làm việc từ xa này trên thiết bị cá nhân của họ, do đó làm lộ dữ liệu nhạy cảm. Các ngân hàng cần áp dụng các phương pháp tiếp cận hiện đại hơn đối với tội phạm mạng và không chỉ xem xét các biện pháp phòng thủ vành đai mà còn cả hoạt động kinh doanh để xác định và giảm thiểu các vi phạm mà không bị phát hiện này.

    Q: Những tội phạm mạng hàng đầu mà các tổ chức tài chính phải đề phòng là gì?

    Đ: Có rất nhiều cuộc tấn công mà chúng tôi chưa từng thấy trước khi tấn công vào các ngân hàng này và chúng chỉ ngày càng tinh vi hơn. Và bây giờ nhờ vi phạm Mạng lưới thực thi tội phạm tài chính, họ đã được thông báo tốt hơn. Các kỹ thuật lừa đảo trực tuyến và lừa đảo trực tuyến đang trở nên hiệu quả hơn nhờ vào lực lượng lao động từ xa; cơ hội nhấp vào một liên kết đáng ngờ tăng lên khi nhân viên không có mặt tại văn phòng và việc giám sát họ tỏ ra khó khăn. Ngoài ra, nỗi sợ hãi về việc chuyển công việc khiến nhân viên làm những việc mà họ thường không làm, điều này khiến họ có nguy cơ cao mắc phải kiểu tấn công này. Các mối đe dọa lớn nhất trong thời kỳ hậu COVID có thể đến từ chính các ngân hàng.

    Q: Bạn có thể giải thích loại AI trực quan mới không?

    Đáp: Trực giác nhân tạo cho phép máy tính xác định các mối đe dọa và cơ hội mà không cần tuân theo một mô hình xác định trước dựa trên kinh nghiệm của con người hoặc các sự kiện trong quá khứ và được cho biết những gì cần tìm. Cũng như trực giác của con người cho phép chúng ta đưa ra quyết định mà không cần được hướng dẫn cụ thể về cách thực hiện. Về cơ bản, trực giác nhân tạo đánh giá tất cả các điểm dữ liệu và cách chúng được kết nối với nhau. Nó có thể tạo ra một cái nhìn động về những gì đang xảy ra và cách mọi thứ được kết nối với mọi thứ khác. Bằng cách này, nó có thể bắt chước cách bộ não con người xử lý thông tin và đưa ra quyết định về những gì bất thường.

    Xem xét điều gì sẽ xảy ra khi bạn nhìn thấy một người đang tiếp cận mình. Hầu hết mọi người không lấy thước ra và đo khoảng cách giữa hai tai, khoảng cách giữa hai mắt hay độ dài của cằm. Những gì họ làm là rất nhanh chóng xem xét tất cả các thông tin về người này. Tất cả các kết nối của các điểm dữ liệu và so sánh nó với một bộ nhớ. Đây có phải là người mà tôi đã từng gặp trước đây không? Họ có phải là bạn bè không? Một mối nguy? v.v … Theo cách tương tự, trực giác nhân tạo có thể tạo ra các kết nối giữa các điểm dữ liệu riêng biệt có vẻ bình thường, nhưng khi xem xét cùng nhau sẽ khơi dậy sự nghi ngờ.

    Q: Tại sao nó được gọi là trực giác nhân tạo mà không phải là trí thông minh?

    A: Khi mọi người nghe đến thuật ngữ “trí tuệ nhân tạo”, họ có xu hướng hình dung những hệ thống dựa trên logic cực kỳ tuân theo lập trình dựa trên quy tắc này. Vâng, đúng là hầu hết các ứng dụng AI trong thế giới thực không phải là HAL9000, nhưng chúng vẫn tuân theo một bộ quy tắc mà chúng đã được đào tạo; “Nếu X xảy ra thì Y sẽ xảy ra.” Trực giác nhân tạo rời xa cách tiếp cận dựa trên quy tắc này và cho phép hệ thống tự hành động bằng cách sử dụng các thuật toán phức tạp để tạo kết nối giữa các điểm dữ liệu. Nó không cần phải được dạy mọi tình huống có thể xảy ra và hãy đối mặt với nó, điều đó sẽ không thể xảy ra vì nó đòi hỏi con người phải nhận thức và hiểu được vô số tình huống có thể xảy ra. Nó có thể vượt xa trí thông minh của con người và tự động đưa ra các suy luận về dữ liệu lớn bắt chước trực giác của con người, nếu họ có thể xử lý nó.

    Q: Những lợi ích của công nghệ này là gì?

    Đ: Các tổ chức tài chính ngày càng bắt đầu áp dụng trực giác nhân tạo để phát hiện các âm mưu tội phạm mạng tài chính mới và tinh vi, bao gồm ngân hàng đại lý, giao dịch xuyên biên giới, tài trợ thương mại, rửa tiền, gian lận và hack ATM. Những tội phạm này thường được che giấu giữa hàng nghìn và hàng nghìn giao dịch có tập hợp các thông số được kết nối riêng. Bằng cách kết hợp các thuật toán toán học phức tạp, được cấp bằng sáng chế và giao diện công nghệ thân thiện với người dùng, trực giác nhân tạo tự động và chính xác xác định hoạt động đáng ngờ thực sự và trình bày nó cho các nhà phân tích ở định dạng dễ hiểu với đầy đủ tính minh bạch và khả năng mở rộng. Nó cũng cung cấp tất cả các công cụ và dữ liệu pháp y trong một giao diện duy nhất để điều tra và giải quyết các vấn đề đã xác định. Nó làm tăng hiệu quả và giảm rủi ro.

    Q: Những thách thức là gì?

    Đáp: Những thách thức chính không thực sự liên quan đến công nghệ, mà chúng liên quan nhiều hơn đến sự thay đổi mô hình mà công nghệ đại diện. Điều này là mới và nó là khác nhau. Nó đại diện cho sự thay đổi có thể đáng sợ đối với một số người và khó chấp nhận đối với những người khác. Nó cũng có thể được coi là một mối đe dọa đối với các bên liên quan nội bộ, những người thích xây dựng và tạo ra các giải pháp công nghệ trong nhà. Những thách thức này có thể nguy hiểm cho một ngân hàng và có thể kìm hãm khả năng của họ trong việc tìm ra giải pháp tốt nhất cho các cuộc khủng hoảng hiện tại.

    Những thách thức khác không phải là duy nhất đối với công nghệ này, nhưng chúng rất xứng đáng được đề cập ở đây. Dữ liệu lớn vẫn là một vấn đề lớn đối với các ngân hàng. Họ đã trở nên tốt hơn trong việc có một chiến lược dữ liệu gắn kết và đưa vào các công nghệ dữ liệu lớn, nhưng họ vẫn còn một con đường để đi. Thu thập dữ liệu, chất lượng dữ liệu và quy trình ETL vẫn là những thách thức đối với các ngân hàng hạn chế khả năng triển khai nhanh chóng công nghệ mới của họ.

    Q: AI “cảm nhận” thay đổi như thế nào?

    Đ: Một hệ thống sử dụng trực giác nhân tạo cảm nhận thay đổi bằng cách áp dụng mô hình định tính cho dữ liệu mà nó đang phân tích, thay vì mô hình định lượng truyền thống mà các giải pháp AI dựa trên quy tắc sử dụng. Từ đó, trực giác nhân tạo phân tích tập dữ liệu và phát triển một ngôn ngữ theo ngữ cảnh đại diện cho cấu hình tổng thể của dữ liệu. Nó có thể hiểu được “bức tranh toàn cảnh” về những gì ở phía trước, thay vì chỉ các điểm dữ liệu riêng lẻ.

    Ví dụ: ngay cả khi các điểm dữ liệu X, Y và Z trông hoàn toàn bình thường, một mô hình dựa trên trực giác nhân tạo sẽ xác định rằng, khi được phân tích cùng nhau, điều gì đó sẽ không tăng lên. Hệ thống sẽ gắn cờ điều đó. Nó cũng tự động xác định “độ trôi” trong dữ liệu. Khi hoạt động kinh doanh và điều kiện thị trường thay đổi, dữ liệu được trình bày vào hệ thống cũng vậy. Bằng cách tự động xác định những sai lệch này, hệ thống có thể tự điều chỉnh về “trạng thái bình thường mới”. Bằng cách này, nó có thể liên tục xác định những trường hợp thực sự đáng ngờ, chứng minh khả năng phòng vệ của ngân hàng trong tương lai và cung cấp khả năng phát hiện hiệu quả và hiệu quả.

    Xem xét điều gì sẽ xảy ra khi bạn nhìn thấy một người đang tiếp cận mình. Hầu hết mọi người không lấy kích thước và đo khoảng cách giữa hai tài khoản, khoảng cách giữa hai mắt hoặc cằm dài độ dài. Những gì họ làm là rất nhanh chóng xem xét tất cả các thông tin về người này. Tất cả các kết nối của dữ liệu điểm và so sánh nó với một bộ nhớ. This must be a person that I have been once before it? Họ có phải là bạn bè không? Một mối nguy? v.v … Theo cách tương tự, trực tiếp nhân sự có thể tạo ra các kết nối giữa các điểm riêng biệt có bình thường, nhưng khi cùng xem xét sẽ khơi dậy sự nghi ngờ.

    Q: Tại sao nó được gọi là trực tiếp nhân tạo mà không phải là thông báo trí?

    A: Khi mọi người nghe đến thuật ngữ “trí tuệ nhân tạo”, họ có xu hướng định hình dung những hệ thống dựa trên logic cực kỳ tuân thủ theo quy tắc xây dựng dựa trên quy tắc này. Vâng, đúng là hầu hết các AI ứng dụng trong thế giới thực không phải là HAL9000, nhưng chúng tôi vẫn tuân theo một quy tắc mà chúng tôi đã được đào tạo; “Nếu X xuất hiện, thì Y sẽ xuất hiện.” Trực tiếp nhân tạo rời xa cách tiếp cận dựa trên quy tắc này và cho phép hệ thống tự động bằng cách sử dụng tổ hợp tính toán để tạo kết nối giữa các điểm dữ liệu. Nó không cần phải dạy mọi ngôn ngữ có thể xảy ra và hãy đối mặt với nó, điều đó sẽ không thể xảy ra vì nó hỏi con người phải nhận thức và hiểu được vô số tình huống có thể xảy ra. Nó có thể vượt ra khỏi vị trí thông minh của con người và tự động đưa ra các suy luận về dữ liệu lớn bắt trực tiếp của con người, nếu họ có thể xử lý nó.

    Q: Những lợi ích của công nghệ này là gì?

    Đ: Các tổ chức tài chính ngày càng bắt đầu áp dụng trực tiếp nhân tạo để phát hành âm thanh tội phạm mạng tài chính mới và tinh vi, bao gồm ngân hàng đại lý, giao dịch xuyên biên giới, hỗ trợ thương mại , tẩy tiền, gian và hack ATM. Những phạm vi này thường được che giấu giữa hàng ngàn và hàng ngàn giao dịch có các tập tin được kết nối riêng. Bằng cách kết hợp các tạp chí toán học phức tạp, được cấp bằng chế độ và giao diện của công nghệ thân thiện với người dùng, trực tiếp nhân tạo tự động và xác định chính xác hoạt động đáng mong đợi và trình bày nó cho parsing house ở dạng dễ hiểu với đầy đủ tính năng minh bạch và khả năng mở rộng. Nó cũng cung cấp tất cả các công cụ và pháp lý dữ liệu y trong một giao diện duy nhất để điều tra và giải quyết các vấn đề đã được xác định. Nó làm tăng hiệu quả và giảm rủi ro.

    Q: Các công thức là gì?

    Đáp lại: The chính thức không thực sự liên quan đến công nghệ, mà chúng tôi liên quan nhiều hơn đến sự thay đổi mô hình mà công nghệ đại diện. This is new and it is other nhau. Nó đại diện cho sự thay đổi có thể đáng sợ đối với một số người và khó chấp nhận đối với những người khác. Nó cũng có thể được coi là một mối đe dọa đối với các bộ liên kết, những người xây dựng thích hợp và tạo ra các công nghệ giải pháp trong nhà. Các công thức này có thể gây nguy hiểm cho một ngân hàng và có thể kìm hãm khả năng của họ trong công việc tìm kiếm giải pháp tốt nhất cho các chương trình khởi động.

    Các công thức khác không phải là duy nhất đối với công nghệ này, nhưng chúng tôi rất xứng đáng được cập nhật ở đây. Cỡ lớn dữ liệu vẫn là một vấn đề lớn đối với hàng ngân sách. Họ đã trở nên tốt hơn trong công việc có một chiến lược dữ liệu được gắn kết và đưa vào các chiến lược dữ liệu lớn, nhưng họ vẫn còn một con đường để đi. Dữ liệu thu thập, dữ liệu chất lượng và ETL quy định vẫn là những công thức đối với ngân hàng hạn chế khả năng phát triển nhanh chóng của họ.

    Q: AI “sensing” thay đổi như thế nào?

    Đ: Một hệ thống sử dụng trực tiếp nhân tạo cảm nhận thay đổi bằng cách áp dụng mô hình định tính cho dữ liệu mà nó đang phân tích, thay vì mô hình truyền thông định lượng mà các AI giải pháp dựa trên quy tắc sử dụng dụng. Từ đó, trực tiếp nhân tạo dữ liệu phân tích và phát triển một ngôn ngữ theo hệ thống đại diện cho cấu hình tổng thể của dữ liệu. Nó có thể hiểu được “bức tranh toàn cảnh” về những gì ở phía trước, thay vì chỉ lẻ các dữ liệu điểm.

    Ví dụ: ngay cả khi các điểm dữ liệu X, Y và Z trông hoàn toàn bình thường, một mô hình dựa trên trực tiếp nhân tạo sẽ xác định rằng, khi được phân tích giống nhau, điều đó sẽ không tăng lên. System will mount that flags. Nó cũng tự động xác định “float mode” trong data. Khi hoạt động kinh doanh và thay đổi trường điều kiện, dữ liệu cũng được hiển thị thành hệ thống. Bằng cách tự động xác định những sai lệch này, hệ thống có thể tự điều chỉnh về “mới bình thường trạng thái”. Bằng cách này, nó có thể liên tục xác định những trường hợp đáng tin cậy, chứng minh khả năng phòng vệ của ngân hàng trong tương lai và cung cấp khả năng phát hiện và kết quả.

    H: Điều quan trọng nhất mà một tổ chức tài chính có thể làm để tự bảo vệ mình khỏi gian lận là gì?

    A: Hãy quên đi quá khứ. Bất cứ thứ gì hoạt động trước đại dịch sẽ không hoạt động nữa. Nắm bắt những ý tưởng, công nghệ và phương pháp mới. Đừng ngại đổi mới. Hãy thử những điều mới và “thất bại nhanh chóng”. Bạn càng chờ đợi lâu, nó sẽ càng tồi tệ hơn. Đừng để bị tê liệt bởi phân tích và không hành động. Hãy nhìn nhận vấn đề một cách mới mẻ và sáng tạo trong cách tiếp cận.

    Bài viết liên quan

    Bình luận

    BÌNH LUẬN

    Vui lòng nhập bình luận của bạn
    Vui lòng nhập tên của bạn ở đây

    Mới nhất