استخدام علوم البيانات وإمكانيات التعلم الآلي للكشف عن الاحتيال

تخسر الشركات في جميع أنحاء العالم ما يصل إلى 10٪ من إيراداتها السنوية أو 3.7 تريليون دولار في المتوسط ​​بسبب الاحتيال. من ناحية أخرى ، يصعب اكتشاف عمليات الاحتيال وتمكنت المؤسسات من معرفة من أجرى الاحتيال في 17٪ من عمليات التدقيق المالي فقط. في معظم الحالات ، يتم إجراء عمليات الاحتيال من قبل الموظفين والمديرين والعملاء ، ولكن هناك أيضًا حالات يكون فيها الشخص الذي يقوم بالاحتيال هو صاحب العمل.

لهذا السبب بدأت الشركات في استكشاف طرق جديدة لحماية أصولها وتحولت إلى علم البيانات والتعلم الآلي كأقوى أسلحة تقنية في عصرنا. نتحدث اليوم عن كيفية مساعدة هذه التقنيات في اكتشاف الاحتيال وفوائد التعلم الآلي وكيفية استخدامه فعليًا لمنع الاحتيال.

كيف يساعد التعلم الآلي في اكتشاف الاحتيال؟

مصدر

لاكتشاف الاحتيال ، يجب عليك تدريب محرك التعلم الآلي أولاً. يتضمن ذلك استخدام البيانات التاريخية وإنشاء القواعد التي سيستخدمها الذكاء الاصطناعي لاكتشاف العلامات المحتملة. على سبيل المثال ، يمكنك تدريبه على اكتشاف ومنع المعاملات الاحتيالية أو عمليات تسجيل الدخول المشبوهة. ومع ذلك ، يجب عليك أيضًا إنشاء قواعد عدم الاحتيال لضمان دقة ودقة أعلى.

لاحظ أن هناك فرقًا بين التعلم الآلي والذكاء الاصطناعي. الذكاء الاصطناعي هو مفهوم أوسع بينما التعلم الآلي هو فئته الفرعية والتعلم العميق هو مجموعة فرعية من التعلم الآلي. التعلم الآلي ، كما يوحي اسمه ، يجعل من الممكن للآلات التعلم من البيانات.

3 فوائد التعلم الآلي لاكتشاف الاحتيال

مصدر

الكشف السريع

على عكس البشر ، يمكن للآلات معالجة مجموعات البيانات الكبيرة وتحديد السلوكيات والأنماط غير المألوفة في أجزاء من الثانية. يمكن للذكاء الاصطناعي والتعلم الآلي وضع أي عملية في السرعة والمساعدة في تسريع الاكتشافات العميقة .

عمل يدوي أقل وتكاليف أقل

للأسباب المذكورة أعلاه ، ليست هناك حاجة لوكلاء بشريين لمراجعة البيانات يدويًا بعد الآن. ستقوم الآلات بكل العمل الشاق ، بالإضافة إلى أنها يمكن أن تعمل على مدار الساعة طوال أيام الأسبوع دون الحاجة إلى أخذ قسط من الراحة.

لا يتعين على الشركات الآن زيادة تكاليف إدارة المخاطر عند التوسع نظرًا لأن أنظمة التعلم الآلي يمكن أن تحل محل العديد من الموظفين والتعامل حرفيًا مع أي حجم من البيانات ، حتى خلال الفترات الأكثر ازدحامًا.

تنبؤات أفضل

كلما طالت مدة تشغيل الخوارزمية ، زادت دقة عملها. يمكن لمحركات التعلم الآلي معالجة أصول البيانات الكبيرة ، والعثور على أنماط مماثلة ، والحصول على تدريب بسهولة ، وهذا ليس هو الحال مع البشر الذين قد يحتاجون إلى شهور لتحديد السلوكيات المشبوهة أو العثور على أوجه تشابه في أنواع مختلفة من السلوكيات الاحتيالية. علاوة على ذلك ، وفقًا للدراسات ، تتمتع خوارزميات التعلم الآلي بنسبة نجاح تصل إلى 96٪ في اكتشاف الاحتيال ومنعه.

ما هي الصناعات التي تستخدم علوم البيانات والتعلم الآلي للكشف عن الاحتيال؟

مصدر

شركات التجارة الإلكترونية

من المتوقع أن يخسر عدد لا يحصى من مواقع التجارة الإلكترونية والمتاجر عبر الإنترنت ما يصل إلى 50 مليار دولار بسبب الاحتيال بحلول عام 2024. لهذا السبب بدأت بعض العلامات التجارية الشهيرة في التجارة الإلكترونية في استخدام التعلم الآلي لحماية البيانات القيمة ، ومعرفة المنتجات التي يستهدفها المحتالون أكثر من غيرها ، وأي بطاقة لحظر المدفوعات ، وفهم سبب تمييز النظام لبعض المعاملات على أنها احتيالية.

الألعاب والمقامرة عبر الإنترنت

عادةً ما تقدم منصات المراهنة والمقامرة وكذلك شركات iGaming مكافآت جذابة ومكافآت تسجيل للمستخدمين الجدد. رغبة في الحصول على أكبر عدد ممكن من المكافآت ، يقوم بعض المستخدمين بإنشاء حسابات متعددة للمطالبة بالعديد من المكافآت.

يحاول المستخدمون إنشاء حسابات متعددة ، أو خداع اللاعبين ، أو استخدام روبوتات البوكر ، أو تزوير عدد المستخدمين التابعين الذين يجلبونهم. يمكن اكتشاف كل هذا بسهولة عن طريق أنظمة التعلم الآلي التي تحلل البيانات والسلوك المشبوه. لهذا السبب تستخدم العديد من شركات الألعاب عبر الإنترنت علوم البيانات والتعلم الآلي للتأكد من أن مستخدميها حقيقيون.

تتبنى شركات Metaverse وعمالقة التكنولوجيا أيضًا الذكاء الاصطناعي والتعلم الآلي. مع العلم أن العديد من الأشخاص يبحثون عن طرق لكسب المال في Metaverse ، من المهم أيضًا منع الاحتيال في عالم افتراضي حيث لا يمكنك حقًا معرفة من هو.

المؤسسات المالية

تحتاج المؤسسات المالية مثل البنوك ومقدمي التأمين وشركات التكنولوجيا المالية إلى التأكد من أنها لا تتعامل مع المحتالين ولكن يتعين عليها أيضًا أن تظل قادرة على المنافسة في السوق. يمكن أن يساعد علم البيانات والتعلم الآلي في تحديد الملفات الشخصية الاحتيالية ، وتجنب الغرامات التنظيمية ، وأخيراً الحصول على رؤى قيمة حول قاعدة المستخدمين وملف تعريف المستخدم النموذجي وما يمكنهم فعله لتحسين خدماتهم.

كيفية استخدام التعلم الآلي لاكتشاف الاحتيال ومنعه

مصدر

اجمع بيانات

للحصول على أكثر النتائج دقة من البداية ، اجمع أكبر قدر ممكن من البيانات. إذا كنت تستخدم بالفعل أداة لمنع الاحتيال ولكنها لا تدعم إضافة حقول مخصصة ، فسيتعين عليك القيام بكل هذا يدويًا.

على سبيل المثال ، إذا كنت تدير نشاطًا تجاريًا للتجارة الإلكترونية ، فأنت بحاجة إلى جمع البيانات مثل وحدة حفظ المخزون وقيمة المعاملة ونوع بطاقة الائتمان. بعد ذلك ، ستحتاج إلى البيانات المتعلقة بالعميل مثل نوع الجهاز الذي يستخدمونه وبيانات IP.

ضع قوانين

يمكنك تعيين قواعد مفردة (if-this-then-that) أو متعددة المعلمات وتشديد شروط التشغيل كلما دعت الحاجة. يمكن أن تكون القواعد وصفية فائقة بحيث يمكنك أن تفهم بوضوح كيف يمكن أن تصبح بعض الإجراءات ، مثل عمليات تسجيل الدخول ، احتيالية.

يمكنك ويجب عليك مراجعة القواعد من وقت لآخر وتعديل الحدود يدويًا. على سبيل المثال ، يمكنك تصفية القواعد حسب النوع والدقة وتمكين اقتراحات التعلم الآلي أو تعطيلها.

تدريب واختبار الخوارزمية

لضمان وصول الخوارزمية إلى أقصى درجات الدقة ، يجب عليك تدريبها واختبارها كل 180 يومًا أو حتى قبل ذلك.

بدلاً من ذلك ، يمكنك السماح لنظام التعلم الآلي بإعادة تدريب نفسه بناءً على البيانات المتراكمة بينما يمكنك الوصول إلى هذه القواعد ومراجعتها في أي وقت. يمكن أن يكون هذا مهمًا للغاية حيث يجب أن تكون قادرًا على تحديد القواعد التي ساعدت في اكتشاف الاحتيال ومنعه في الحالات السابقة.

يمكنك حساب دقة الخوارزمية ضمن نطاق زمني معين ثم ربما تعيين قواعد جديدة أو تعديل القواعد الحالية ومراقبة النتائج.

ملخص

بغض النظر عما إذا كنت صاحب عمل أو مدير احتيال ، يجب أن تتحكم بشكل كامل في إستراتيجية المخاطر الخاصة بك ، ويمكن أن يساعد علم البيانات والتعلم الآلي بالتأكيد في كل هذا. مع مرور الوقت ، ستمنع وتقليل محاولات الاحتيال إلى حد لا شيء تقريبًا.

المؤلف: نينا بيتروف متخصصة في تسويق المحتوى ، شغوفة بالتصميم الجرافيكي ، وتسويق المحتوى ، والجيل الجديد من الأعمال الخضراء والاجتماعية. تبدأ اليوم بتصفح ملخصها حول الاتجاهات الرقمية الجديدة أثناء احتساء فنجان من القهوة بالحليب والسكر. يميل أرنبها الصغير الأبيض إلى الرد على رسائل البريد الإلكتروني الخاصة بك عندما تكون في إجازة.

https://www.linkedin.com/in/nina-petrov/