AI 및 기계 학습을 통한 사기 탐지 – 비즈니스 보호를 위한 작동 방식
게시 됨: 2020-06-22사이버 보안 전문가는 개발자 및 분석가와 협력하여 사기에 대한 완벽한 보호 시스템을 만들기 위해 노력하고 있지만 피해자의 수와 성공적인 시도는 증가하고 있습니다. 더 많은 작업을 수행하고 데이터의 흔적을 남기면 사기 계획이 성공할 수 있도록 필요한 모든 정보를 더 쉽게 수집할 수 있습니다. 아래 인포그래픽은 현재 사진을 반영합니다.
분명히, 지난 몇 년간의 방법은 효과적이지 않았습니다. AI 및 머신 러닝을 통한 사기 탐지조차도 마법의 약이나 보호를 절대적으로 보장하는 것은 아닙니다. 그러나 현재로서는 더 나은 것이 발명되지 않았으므로 ML 솔루션 및 사기 탐지 분석을 통해 비즈니스를 더 안전하게 만들고 고객이 서비스에 대해 더 확신할 수 있는 방법을 배우는 것이 합리적입니다.
기계 학습을 통한 사기 탐지란 무엇입니까?
머신 러닝을 사용하여 사기를 감지한다는 바로 그 개념은 합법적인 행위와 불법적인 행위가 서로 다른 특성을 갖는다는 아이디어에 기반을 두고 있습니다. 또한 이러한 징후는 인간의 눈에는 완전히 보이지 않을 수 있습니다.
사기를 인식하는 머신 러닝 시스템은 적법한 운영에 대한 지식을 바탕으로 이 지식을 실시간으로 발생하는 이벤트와 비교하여 특정 행위의 타당성 또는 불법성에 대한 결론을 내립니다. 다음은 그것이 어떻게 보이는지입니다.
사기 탐지 – 비즈니스 보안을 위한 머신 러닝 솔루션
사실, 비즈니스 보안은 빙산의 일각에 불과합니다. 또는 집합적인 용어. 머신 러닝 시스템은 생각하는 것보다 더 많은 것을 비즈니스에 제공할 수 있습니다.
고객 경험 개선
기계 학습 자체는 사용자 경험을 향상시키는 매우 강력한 도구입니다. 스마트 시스템은 사용자의 행동을 기반으로 사용자를 이해하고 예측하고 사용자 지정하고 목표를 맞추는 방법을 배웁니다. 또한 사기 시도로부터 사용자를 보호합니다.
가장 간단한 예는 신용 카드 사기 탐지입니다. 고급 온라인 뱅킹 시스템은 고객의 개인 계정에 입력하거나 행동 패턴이 사기 가능성을 나타내는 경우 돈을 관리하는 것을 허용하지 않습니다. 이 경우 향상된 사용자 경험은 사기 시도로부터 최대한 보호된다는 사용자의 확신을 의미합니다.
데이터 보호
Harvard Business Review 연구에 따르면, 설문에 응한 사용자의 90%가 고객의 개인 데이터에 대한 기업의 세심한 태도가 고객에 대한 진정한 태도를 보여준다고 말했습니다. 즉, 사용자 충성도를 얻으려면 데이터에 대한 신중한 태도와 포괄적인 보호가 도움이 될 수 있습니다.
머신 러닝 시스템은 데이터가 어떻게 저장, 수집 및 사용되는지, 일반적으로 절차가 GDPR을 얼마나 준수하는지 추적할 수 있습니다. 사용자 데이터를 처리하는 잠재적인 사기 또는 비정상적인 동작이 감지되는 경우 시스템에서 경보를 보냅니다.
사기성 RTO, 프로모션 코드 남용 및 지불 거절 제거
사기꾼은 선험적으로 똑똑한 사람들입니다. 그렇지 않으면 작동하는 계획을 세울 수 없습니다. 소매업의 경우 판매자를 속이기 위해 존경받는 구매자인 척하는 것이 항상 가능하기 때문에 이것은 매우 매력적인 산업입니다.
머신 러닝 시스템은 의도 단계에서도 이러한 시도를 중지할 수 있습니다. 예를 들어 사용자가 사기성 체계에서 이미 발견된 의심스러운 IP로 주문을 시작하는 경우입니다.
금전적 손실 및 평판 문제 예방
성공적인 사기 시도는 돈과 명성의 손실을 의미합니다. 평판보다 돈을 돌려받는 것이 훨씬 쉽습니다. 이것이 바로 여러분이 위험을 감수해서는 안 되는 것입니다. 역설적이게도 일부 회사는 사기가 평판에 손상을 줄까 두려워 사기에 맞서기를 거부하지만 실제로는 그 반대입니다.
사기 대응 전략이 없으면 평판이 가장 많이 손상됩니다. 그리고 이것은 대부분의 현대 사용자의 의견입니다.
사기 탐지 기계 학습의 모범 사례는 무엇입니까?
그렇다면 머신 러닝 시스템은 불법 공격으로부터 높은 수준의 보호를 제공하기 위해 어떻게 작동할까요?
실시간 이상 감지
규칙 기반 시스템은 이미 돈을 도난당했을 때 사기를 감지했습니다. 최신 시스템은 끊임없이 변화하는 데이터를 실시간으로 처리하므로 의도 단계에서도 사기 시도를 잡을 수 있습니다. 작동 방식은 다음과 같습니다.
( 또한 읽기: 제휴 마케팅 사기: 방지 방법)
행동 분석
사용자 행동의 경우, 이 경우 모델은 특정 사용자의 일반적 행동과 비정상 행동을 인식하도록 훈련됩니다. 다른 요인이 조합된 비정상적인 행동은 사기 시도의 징후일 수 있습니다. 예를 들어 사용자가 다른 국가 또는 도시에서 많은 양의 현금을 인출하는 경우입니다.
딥러닝
이 경우 신경망의 개발이 필요하며, 분석을 위한 데이터도 매우 많다.
AIML FD로 처리할 수 있는 사기 시나리오 유형은 무엇입니까?
| 전자상거래 | 보건 의료 | 은행업 |
|---|---|---|
우리는 이미 시스템이 온라인 사기 시도에 대해 권한 있는 사람에게 알리기 위해 의심스러운 IP 주소와 이에 대해 취한 조치를 추적할 수 있다고 말했습니다. |
이는 시스템이 처방전 및 약품 발급을 담당하는 사람들의 행동을 모니터링하고 보이지 않는 인과 관계를 찾아야 하는 경우입니다(예: 값비싼 마약 또는 마약 사기에 대한 의사와 약사의 음모). |
돈은 은행과 국가의 통제 없이 순환할 수 없습니다. 이는 자금 세탁 및 테러 자금 조달과 유사한 패턴을 검색하도록 특별히 설계된 시스템이 이러한 범죄를 해결하고 투명한 은행 시스템을 만드는 데 크게 도움이 될 수 있음을 의미합니다. |
모바일 쇼핑의 인기로 인해 계정 도용에서 실수에 이르기까지 다양한 형태의 모바일 사기가 증가했습니다. 이 경우 스마트 알고리즘은 모바일 장치에서 수행된 사용자의 행동을 모니터링하고 스마트폰(또는 계정)이 정당한 소유자의 손에 있는지 여부를 판단합니다. |
이것은 가장 흔한 사기 유형이며 최근에는 카드가 없는 사기가 모멘텀을 얻기 시작했습니다. 실시간 사기 탐지 시스템은 돈을 훔치기 전에 시도나 의도를 탐지하는 데 도움이 될 수 있습니다. |
이 경우 시스템은 잠재적 차용자에 대한 데이터를 수집하고 대출 발행의 위험성에 대한 결론을 내립니다. |
암시장에서 의료 데이터는 매우 비싸고 의료 기관은 환자의 생명만큼 책임감 있게 데이터를 보호해야 합니다. 머신 러닝 시스템은 해킹 시도를 식별하고 차단할 수 있습니다. |
ML 사기 탐지 솔루션을 구현하는 데 드는 비용은 얼마입니까?
사실, 그러한 솔루션의 비용을 대략적으로 추정하는 것은 비즈니스와 해당 요구 사항을 철저히 분석한 후에만 가능합니다.
스위칭/통합 비용
귀하의 비즈니스를 위해 특별히 개발된 맞춤형 AI 솔루션으로 전환하는 경우 평균 $6000 이상 비용이 들 수 있습니다. 타사 ML 소프트웨어를 비즈니스에 통합하려는 경우 최고 포인트로 연간 $40000의 비용이 들 수 있습니다.
구현할 DataSet
Ravelin의 연구에 따르면 “머신 러닝은 사기 예방을 위한 만병통치약이 아닙니다. 기계 학습 모델이 정확해지기 위해서는 상당한 양의 데이터가 필요합니다. 일부 판매자의 경우 초기 규칙의 기본 세트를 적용하고 모델이 더 많은 데이터로 '워밍업'하도록 하는 것이 유용합니다.
즉, 불충분한 데이터는 머신러닝 도입에 심각한 제약이 될 수 있습니다. 반면에 더 많은 데이터가 필요할수록 비즈니스 솔루션은 더 비싸고 기술적으로 복잡해집니다.
결론
기업을 위한 기계 학습 기회는 사기를 감지하는 능력에 국한되지 않습니다. 머신 러닝과 인공 지능은 더 즐거운 사용자 경험, 유용한 데이터 기반 통찰력, 더 최적화되고 윤리적인 비즈니스에 관한 것이기도 합니다. 이것은 가까운 장래에 비즈니스 프로세스에서 구현되어야 하는 것입니다.
***
Helen Kovalenko는 NLP, Computer Vision 및 Fraud Detection에 관한 데이터 과학 팀에서 일하는 IT 프로젝트 관리자입니다. LinkedIn에서 Helen과 연결하십시오.