كشف الاحتيال باستخدام الذكاء الاصطناعي والتعلم الآلي - كيف يعمل لحماية عملك

بينما يحاول خبراء الأمن السيبراني ، بالتعاون مع المطورين والمحللين ، إنشاء نظام حماية مثالي ضد الاحتيال ، يتزايد عدد الضحايا والمحاولات الناجحة. كلما زاد عدد الإجراءات التي نقوم بها ، مع ترك أثر للبيانات ، أصبح من الأسهل جمع كل المعلومات الضرورية حتى ينجح المخطط الاحتيالي. الرسم البياني أدناه يعكس الصورة الحالية.

من الواضح أن أساليب السنوات الماضية لم تعد فعالة. حتى اكتشاف الاحتيال باستخدام الذكاء الاصطناعي والتعلم الآلي ليس حبة سحرية ولا ضمانًا مطلقًا للحماية. ومع ذلك ، لم يتم اختراع شيء أفضل في الوقت الحالي ، لذلك من المنطقي معرفة كيف يمكن لحلول ML وتحليل الكشف عن الاحتيال أن تجعل عملك أكثر أمانًا ، وأن تجعل عملائك أكثر ثقة في خدماتك.

ما هو اكتشاف الاحتيال باستخدام التعلم الآلي؟

يعتمد مفهوم اكتشاف الاحتيال باستخدام التعلم الآلي على فكرة أن الإجراءات المشروعة وغير القانونية لها خصائص مختلفة. علاوة على ذلك ، يمكن أن تكون هذه العلامات غير مرئية تمامًا للعين البشرية.

ينطلق نظام التعلم الآلي للتعرف على الاحتيال من معرفته بالعملية المشروعة ، ويقارن هذه المعرفة بالأحداث التي تحدث في الوقت الفعلي ويصل إلى استنتاج حول صحة أو عدم شرعية إجراء معين. هنا هو كيف يبدو.

كشف الاحتيال - حل التعلم الآلي لأمن الأعمال

في الحقيقة ، أمن الأعمال هو مجرد غيض من فيض. أو مصطلح جماعي. يمكن لأنظمة التعلم الآلي أن تمنح عملك أكثر مما تعتقد.

• تحسين تجربة العملاء

  يعد التعلم الآلي بحد ذاته أداة قوية للغاية لتحسين تجربة المستخدم. تتعلم الأنظمة الذكية فهم المستخدمين بناءً على أفعالهم والتنبؤ والتخصيص وضرب الهدف. وكذلك حماية المستخدمين من محاولات الاحتيال.

  أبسط مثال على ذلك هو كشف الاحتيال لبطاقات الائتمان. لن تسمح لك الأنظمة المصرفية المتقدمة عبر الإنترنت بإدخال الحساب الشخصي للعميل وإدارة الأموال إذا كان نمط سلوكك يشير إلى احتيال محتمل. في هذه الحالة ، تعني تجربة المستخدم المحسنة ثقة المستخدمين بأنهم محميون من محاولات الاحتيال قدر الإمكان.

• حماية البيانات

  وفقًا لدراسة أجرتها هارفارد بيزنس ريفيو ، قال 90٪ من المستخدمين الذين شملهم الاستطلاع أن الموقف اليقظ للشركات تجاه البيانات الشخصية لعملائها يُظهر موقفًا حقيقيًا تجاه العملاء. بمعنى آخر ، إذا كنت ترغب في كسب ولاء المستخدم ، فيمكن أن يساعدك الموقف الحذر تجاه البيانات وحمايتها الشاملة.

  أنظمة التعلم الآلي قادرة على تتبع كيفية تخزين البيانات وجمعها واستخدامها - بشكل عام ، إلى أي مدى تمتثل إجراءاتك للائحة العامة لحماية البيانات (GDPR). في حالة اكتشاف إجراءات احتيالية أو غير طبيعية محتملة تعالج بيانات المستخدم ، يرسل النظام إنذارًا.

• القضاء على RTO الاحتيالية وإساءة استخدام الرمز الترويجي ورد المبالغ المدفوعة

  المحتالون بداهة هم أشخاص أذكياء ، وإلا فلن يكونوا قادرين على ابتكار مخططات ناجحة. بالنسبة إلى البيع بالتجزئة ، فهذه صناعة جذابة للغاية ، حيث من الممكن دائمًا التظاهر بكونك مشترًا محترمًا لخداع البائع.

  يمكن لأنظمة التعلم الآلي إيقاف هذه المحاولات حتى في مرحلة النية - على سبيل المثال ، عندما يبدأ المستخدمون في تقديم طلب باستخدام عنوان IP مشبوه ، والذي تمت ملاحظته بالفعل في المخططات الاحتيالية.

• منع فقدان الأموال ومشاكل السمعة

  أي محاولة احتيال ناجحة تعني خسارة المال والسمعة. إن إرجاع الأموال أسهل بكثير من إعادة السمعة - وهذا بالضبط ما لا يجب أن تخاطر به. ومن المفارقات أن بعض الشركات ترفض مواجهة الاحتيال لأنها تخشى أن يؤدي ذلك إلى الإضرار بسمعتها ، رغم أن العكس هو الصحيح في الواقع.

  إن الافتقار إلى استراتيجية استجابة احتيالية يضر بسمعتك أكثر من غيرها. وهذا رأي معظم المستخدمين الحديثين.

ما هي أفضل ممارسات التعلم الآلي للكشف عن الاحتيال

إذن ، كيف تعمل أنظمة التعلم الآلي لتوفير مستوى عالٍ من الحماية ضد الهجمات غير القانونية؟

• كشف الشذوذ في الوقت الحقيقي

  اكتشفت الأنظمة المستندة إلى القواعد الاحتيال عندما سُرقت الأموال بالفعل. تعمل الأنظمة الحديثة مع البيانات المتغيرة باستمرار في الوقت الفعلي ، وبالتالي فهي قادرة على اكتشاف محاولة احتيالية حتى في مرحلة النية. وإليك كيف يعمل.

( اقرأ أيضًا: الاحتيال في التسويق بالعمولة: كيفية منعه)

• تحليل السلوك

  بالنسبة لسلوك المستخدم ، في هذه الحالة ، يتم تدريب النموذج على التعرف على الإجراءات النموذجية وغير الطبيعية لمستخدم معين. يمكن أن يكون الإجراء غير الطبيعي مع مجموعة من العوامل الأخرى علامة على محاولة احتيالية ، على سبيل المثال ، إذا قام المستخدم بسحب مبلغ كبير من النقود في بلد أو مدينة أخرى.

• تعلم عميق

  في هذه الحالة ، من الضروري تطوير شبكة عصبية ، ولديها أيضًا كمية كبيرة جدًا من البيانات للتحليل.

ما أنواع سيناريوهات الاحتيال التي يمكن تغطيتها بـ AIML FD؟

ما هي تكلفة تنفيذ حل الكشف عن الاحتيال في غسل الأموال؟

في الواقع ، من الممكن عمل تقدير تقريبي لتكلفة مثل هذا الحل فقط بعد تحليل شامل للغاية للأعمال واحتياجاتها.

• تكلفة التحويل / التكامل

  في حالة التبديل إلى حل ذكاء اصطناعي مخصص تم تطويره خصيصًا لعملك ، فقد يتكلف من 6000 دولار في المتوسط ​​وأعلى. إذا كنت ترغب في دمج برنامج ML تابع لجهة خارجية في عملك ، فقد يكلفك ذلك 40000 دولار سنويًا كأعلى نقطة.

• مجموعات البيانات المراد تنفيذها

  وفقًا لبحث رافلين ، "التعلم الآلي ليس رصاصة فضية لمنع الاحتيال. يتطلب الأمر قدرًا كبيرًا من البيانات حتى تصبح نماذج التعلم الآلي دقيقة. بالنسبة لبعض التجار ، من المفيد تطبيق مجموعة أساسية من القواعد الأولية والسماح للنماذج بـ "الإحماء" بمزيد من البيانات ".

  بمعنى آخر ، يمكن أن تكون البيانات غير الكافية قيدًا خطيرًا على إدخال التعلم الآلي. من ناحية أخرى ، كلما احتجت إلى مزيد من البيانات ، كلما أصبح حل عملك أكثر تكلفة وتعقيدًا من الناحية الفنية.

استنتاج

لا تقتصر فرص التعلم الآلي للشركات على القدرة على اكتشاف الاحتيال. يدور التعلم الآلي والذكاء الاصطناعي حول تجربة مستخدم أكثر إمتاعًا ، ورؤى قائمة على البيانات مفيدة ، وأعمال أكثر أخلاقية ومحسّنة أيضًا. هذا هو بالضبط ما يجب تنفيذه في العمليات التجارية في المستقبل القريب.

***

هيلين كوفالينكو هي مديرة مشروع تكنولوجيا المعلومات تعمل في فريق علوم البيانات في البرمجة اللغوية العصبية ورؤية الكمبيوتر واكتشاف الاحتيال. تواصل مع هيلين على LinkedIn.