Détection des fraudes avec l'IA et l'apprentissage automatique - Comment cela fonctionne pour protéger votre entreprise
Publié: 2020-06-22Alors que les experts en cybersécurité, en coopération avec des développeurs et des analystes, tentent de créer un système parfait de protection contre la fraude, le nombre de victimes et de tentatives réussies ne fait qu'augmenter. Plus nous faisons d'actions, laissant une trace des données, plus il est facile de collecter toutes les informations nécessaires pour que le stratagème frauduleux réussisse. L'infographie ci-dessous reflète l'image actuelle.
De toute évidence, les méthodes des années passées ont cessé d'être efficaces. Même la détection de fraude avec l'IA et l'apprentissage automatique n'est ni une pilule magique ni une garantie absolue de protection. Cependant, rien de mieux n'a été inventé pour le moment, il est donc logique d'apprendre comment les solutions ML et l'analyse de détection des fraudes peuvent rendre votre entreprise plus sûre et vos clients plus confiants dans vos services.
Qu'est-ce que la détection de fraude avec l'apprentissage automatique ?
Le concept même de détection de la fraude à l'aide de l'apprentissage automatique repose sur l'idée que les actions légitimes et illégales ont des caractéristiques différentes. De plus, ces signes peuvent être complètement invisibles à l'œil humain.
Le système d'apprentissage automatique pour reconnaître la fraude procède de sa connaissance de l'opération légitime, compare cette connaissance avec des événements se produisant en temps réel et tire une conclusion sur la validité ou l'illégalité d'une certaine action. Voici à quoi ça ressemble.
Détection de fraude - Solution d'apprentissage automatique pour la sécurité des entreprises
En fait, la sécurité des entreprises n'est que la pointe de l'iceberg. Ou un terme collectif. Les systèmes d'apprentissage automatique peuvent donner à votre entreprise plus que vous ne le pensez.
Amélioration de l'expérience client
L'apprentissage automatique en soi est un outil très puissant pour améliorer l'expérience utilisateur. Les systèmes intelligents apprennent à comprendre les utilisateurs en fonction de leurs actions, à prévoir, personnaliser et atteindre la cible. Et également protéger les utilisateurs contre les tentatives frauduleuses.
L'exemple le plus simple est la détection de fraude par carte de crédit. Les systèmes bancaires en ligne avancés ne vous permettront pas d'accéder au compte personnel du client, de gérer l'argent si votre comportement indique une éventuelle fraude. Dans ce cas, une expérience utilisateur améliorée signifie la confiance de vos utilisateurs qu'ils sont protégés autant que possible contre les tentatives frauduleuses.
Protection des données
Selon une étude de Harvard Business Review, 90% des utilisateurs interrogés ont déclaré que l'attitude attentive des entreprises aux données personnelles de leurs clients montre une réelle attitude envers les clients. En d'autres termes, si vous souhaitez fidéliser les utilisateurs, une attitude prudente vis-à-vis des données et leur protection complète peuvent vous aider.
Les systèmes d'apprentissage automatique sont capables de suivre la façon dont les données sont stockées, collectées et utilisées - généralement, dans quelle mesure vos procédures sont conformes au RGPD. En cas de détection d'éventuelles actions frauduleuses ou anormales qui traitent les données de l'utilisateur, le système envoie une alarme.
Élimination des RTO frauduleux, des abus de code promotionnel et des rétrofacturations
Les fraudeurs sont a priori des gens intelligents, sinon, ils ne seraient pas en mesure de proposer des stratagèmes qui fonctionnent. Quant au commerce de détail, c'est une industrie très attractive, puisqu'il est toujours possible de se faire passer pour un acheteur respectable pour tromper le vendeur.
Les systèmes d'apprentissage automatique sont capables d'arrêter ces tentatives même au stade de l'intention - par exemple, lorsque les utilisateurs commencent à passer une commande avec une adresse IP suspecte, qui a déjà été remarquée dans des stratagèmes frauduleux.
Prévention des pertes d'argent et des problèmes de réputation
Toute tentative frauduleuse réussie signifie une perte d'argent et de réputation. Il est beaucoup plus facile de rendre de l'argent qu'une réputation - c'est exactement ce que vous ne devriez pas risquer. Paradoxalement, certaines entreprises refusent d'affronter la fraude car elles craignent que cela ne nuise à leur réputation, alors qu'en fait c'est l'inverse qui est vrai.
L'absence d'une stratégie de réponse frauduleuse nuit le plus à votre réputation. Et c'est l'opinion de la plupart des utilisateurs modernes.
Quelles sont les meilleures pratiques pour l'apprentissage automatique de détection de fraude
Alors, comment fonctionnent les systèmes d'apprentissage automatique pour fournir un niveau élevé de protection contre les attaques illégales ?
Détection d'anomalies en temps réel
Les systèmes basés sur des règles ont détecté la fraude alors que l'argent avait déjà été volé. Les systèmes modernes fonctionnent avec des données en constante évolution en temps réel, ils sont donc capables de détecter une tentative frauduleuse même au stade de l'intention. Voici comment ça fonctionne.
( Lire aussi : Fraude par marketing d'affiliation : comment la prévenir )
Analyse comportementale
En ce qui concerne le comportement de l'utilisateur, dans ce cas, le modèle est formé pour reconnaître les actions typiques et anormales d'un utilisateur spécifique. Une action anormale associée à une combinaison d'autres facteurs peut être le signe d'une tentative frauduleuse, par exemple si l'utilisateur retire une grosse somme d'argent dans un autre pays ou une autre ville.
L'apprentissage en profondeur
Dans ce cas, il est nécessaire de développer un réseau de neurones, et également de disposer d'une très grande quantité de données à analyser.
Quels types de scénarios de fraude peuvent être couverts par AIML FD ?
| Commerce électronique | Soins de santé | Bancaire |
|---|---|---|
Nous avons déjà dit que les systèmes sont capables de suivre les adresses IP suspectes et les actions entreprises avec elles afin d'informer une personne autorisée d'une tentative de fraude en ligne. |
C'est le cas lorsque le système doit surveiller le comportement des personnes responsables de la délivrance des ordonnances et des médicaments, et trouver des relations de cause à effet invisibles (par exemple, le complot d'un médecin et d'un pharmacien sur la fraude avec des médicaments coûteux ou des stupéfiants). |
L'argent ne peut pas circuler sans le contrôle des banques et de l'État. Cela signifie qu'un système spécifiquement conçu pour rechercher des modèles similaires au blanchiment d'argent et au financement du terrorisme peut contribuer de manière significative à résoudre ces crimes et à créer un système bancaire transparent. |
La popularité des achats mobiles a conduit à l'essor de la fraude mobile, qui prend de nombreuses formes, du vol de compte à la fraude amicale. Dans ce cas, l'algorithme intelligent surveille les actions de l'utilisateur commises à partir d'un appareil mobile et conclut si le smartphone (ou le compte) est entre les mains du propriétaire légitime. |
Il s'agit du type de fraude le plus courant, et récemment, la fraude sans carte commence à prendre de l'ampleur. Un système de détection de fraude en temps réel peut aider à détecter une tentative ou même une intention avant que l'argent ne soit volé. |
Dans ce cas, le système collecte des données sur l'emprunteur potentiel et tire une conclusion sur le risque lié à l'octroi d'un prêt. |
Les données médicales sont très chères sur le marché noir, et les organisations médicales doivent les protéger de manière aussi responsable que la vie de leurs patients. Un système d'apprentissage automatique est capable d'identifier et de bloquer les tentatives de piratage. |
Combien coûte la mise en œuvre d'une solution de détection de fraude ML ?
En effet, il n'est possible d'estimer grossièrement le coût d'une telle solution qu'après une analyse très poussée de l'entreprise et de ses besoins.
Coût de commutation/d'intégration
En cas de passage à une solution d'IA personnalisée spécialement développée pour votre entreprise, cela peut coûter en moyenne 6 000 $ et plus. Si vous souhaitez intégrer un logiciel ML tiers dans votre entreprise, cela peut vous coûter 40 000 $ par an au maximum.
DataSets à implémenter
Selon les recherches de Ravelin, « l'apprentissage automatique n'est pas une solution miracle pour la prévention de la fraude. Il faut une quantité importante de données pour que les modèles d'apprentissage automatique deviennent précis. Pour certains commerçants, il est utile d'appliquer un ensemble de règles initiales de base et de permettre aux modèles de "préchauffer" avec plus de données ».
En d'autres termes, des données insuffisantes peuvent constituer une sérieuse limitation à l'introduction de l'apprentissage automatique. D'autre part, plus les données doivent être impliquées, plus la solution devient coûteuse et techniquement complexe pour votre entreprise.
Conclusion
Les opportunités d'apprentissage automatique pour les entreprises ne se limitent pas à la capacité de détecter la fraude. L'apprentissage automatique et l'intelligence artificielle impliquent une expérience utilisateur plus agréable, des informations utiles basées sur des données, ainsi qu'une activité plus optimisée et éthique. C'est exactement ce qui devrait être mis en œuvre dans les processus métier dans un avenir proche.
***
Helen Kovalenko est chef de projet informatique qui travaille dans une équipe de science des données sur le NLP, la vision par ordinateur et la détection des fraudes. Connectez-vous avec Hélène sur LinkedIn.