사기 탐지를 위한 데이터 과학 및 기계 학습의 잠재력 사용

전 세계 기업은 연간 매출의 최대 10% 또는 평균 3조 7천억 달러를 사기로 손실합니다. 반면에 사기는 탐지하기 어렵고 조직은 재무 감사의 17%에서만 사기를 수행한 사람을 알아낼 수 있었습니다. 대부분의 경우 사기는 직원, 관리자 및 고객이 수행하지만 사기를 수행하는 사람이 사업주인 경우도 있습니다.

이것이 기업들이 자산을 보호하기 위한 새로운 방법을 모색하기 시작했고 우리 시대의 가장 강력한 기술 무기로 데이터 과학과 머신 러닝으로 눈을 돌린 이유입니다. 오늘 우리는 이러한 기술이 사기 탐지에 어떻게 도움이 되는지, 기계 학습의 이점, 사기를 방지하기 위해 실제로 사용하는 방법에 대해 이야기하고 있습니다.

머신 러닝은 사기 탐지에 어떻게 도움이 되나요?

원천

사기를 감지하려면 먼저 기계 학습 엔진을 훈련해야 합니다. 여기에는 과거 데이터를 사용하고 인공 지능이 잠재적 플래그를 감지하는 데 사용할 규칙을 만드는 것이 포함됩니다. 예를 들어 사기 거래 또는 의심스러운 로그인을 감지하고 차단하도록 훈련할 수 있습니다. 그러나 더 높은 정밀도와 정확성을 보장하기 위해 사기 방지 규칙도 만들어야 합니다.

머신 러닝과 AI 사이에는 차이점이 있습니다. AI는 더 넓은 개념이지만 기계 학습은 하위 범주이고 딥 러닝은 기계 학습의 하위 집합입니다. 기계 학습은 이름에서 알 수 있듯이 기계가 데이터에서 학습할 수 있도록 합니다.

사기 탐지를 위한 머신 러닝의 3가지 이점

원천

신속한 감지

인간과 달리 기계는 대규모 데이터 세트를 처리하고 밀리초 단위로 비정상적인 동작과 패턴을 식별할 수 있습니다. AI와 머신 러닝은 모든 프로세스의 속도를 높이고 심오한 발견을 가속화하는 데 도움이 될 수 있습니다.

수작업 감소 및 비용 절감

위에서 언급한 이유로 에이전트가 더 이상 수동으로 데이터를 검토할 필요가 없습니다. 기계는 모든 힘든 작업을 수행할 뿐만 아니라 휴식 없이 24시간 가동될 수 있습니다.

머신 러닝 시스템이 여러 직원을 대체 하고 가장 바쁜 기간에도 말 그대로 모든 양의 데이터를 처리 할 수 있으므로 기업은 이제 확장할 때 위험 관리 비용을 늘릴 필요가 없습니다 .

더 나은 예측

알고리즘이 오래 실행될수록 더 정확해집니다. 머신 러닝 엔진은 대규모 데이터 자산을 처리하고 유사한 패턴을 찾고 쉽게 훈련할 수 있습니다. 이는 의심스러운 행동을 식별하거나 다양한 종류의 사기 행동에서 유사점을 찾는 데 몇 달이 걸리는 인간의 경우가 아닙니다. 또한 연구에 따르면 기계 학습 알고리즘은 사기를 감지하고 예방하는 데 96%의 성공률을 보입니다.

어떤 산업에서 사기 탐지를 위해 데이터 과학과 기계 학습을 사용하고 있습니까?

원천

전자상거래 사업

수많은 전자 상거래 웹사이트와 온라인 상점이 2024년까지 사기로 인해 최대 500억 달러의 손실을 입을 것으로 예상됩니다. 그렇기 때문에 일부 인기 있는 전자 상거래 브랜드는 귀중한 데이터를 보호하기 위해 머신 러닝을 사용하기 시작했으며 사기꾼이 가장 표적으로 삼는 제품이 무엇인지, 어떤 카드를 지불을 차단하고 시스템이 일부 거래를 사기로 표시하는 이유를 이해합니다.

온라인 게임 및 도박

베팅 및 도박 플랫폼과 iGaming 회사는 일반적으로 신규 사용자에게 매력적인 보상과 가입 보너스를 제공합니다. 가능한 한 많은 보너스를 받기 위해 일부 사용자는 여러 보너스를 받기 위해 여러 계정을 만듭니다.

사용자는 여러 계정을 설정하거나, 플레이어를 속이거나, 포커 봇을 사용하거나, 가져오는 제휴 사용자 수를 속이려고 합니다. 이 모든 것은 데이터와 의심스러운 행동을 분석하는 기계 학습 시스템에서 쉽게 감지할 수 있습니다. 그렇기 때문에 수많은 온라인 게임 회사에서 데이터 과학과 머신 러닝을 사용하여 사용자가 실제인지 확인합니다.

메타버스 회사와 기술 대기업도 AI와 머신 러닝을 수용하고 있습니다. 많은 사람들이 Metaverse에서 돈을 버는 방법을 찾고 있다는 사실을 알고 있으면 누가 누구인지 알 수 없는 가상 세계에서 사기를 방지하는 것도 매우 중요합니다.

금융 기관

은행, 보험사, 핀테크 기업과 같은 금융 기관은 사기꾼을 상대하지 않도록 해야 할 뿐만 아니라 시장에서 경쟁력을 유지해야 합니다. 데이터 과학과 기계 학습은 사기 프로필을 식별하고, 규제 벌금을 피하고, 마지막으로 사용자 기반과 일반적인 사용자 프로필에 대한 귀중한 통찰력과 서비스 개선을 위해 할 수 있는 일에 도움이 될 수 있습니다.

기계 학습을 사용하여 사기를 감지하고 방지하는 방법

원천

데이터 수집

처음부터 가장 정확한 결과를 얻으려면 가능한 한 많은 데이터를 수집하십시오. 이미 사기 방지 도구를 사용하고 있지만 사용자 정의 필드 추가를 지원하지 않는 경우 이 모든 작업을 수동으로 수행해야 합니다.

예를 들어 전자 상거래 비즈니스를 운영하는 경우 재고 단위, 거래 금액 및 신용 카드 유형과 같은 데이터를 수집해야 합니다. 그런 다음 사용 중인 장치 유형 및 IP 데이터와 같은 고객 관련 데이터가 필요합니다.

규칙 설정

단일(if-this-then-that) 또는 다중 매개변수 규칙을 설정하고 필요할 때마다 트리거 조건을 강화할 수 있습니다. 규칙은 로그인과 같은 특정 작업이 사기가 될 수 있는 방법을 명확하게 이해할 수 있도록 매우 설명적일 수 있습니다.

때때로 규칙을 검토하고 임계값을 수동으로 조정할 수 있고 조정해야 합니다. 예를 들어 유형 및 정확도별로 규칙을 필터링하고 기계 학습 제안을 활성화 또는 비활성화할 수 있습니다.

알고리즘 훈련 및 테스트

알고리즘이 최대 정확도에 도달하도록 하려면 180일마다 또는 그보다 더 빨리 훈련하고 테스트해야 합니다.

또는 언제든지 이러한 규칙에 액세스하고 검토할 수 있는 동안 축적된 데이터를 기반으로 기계 학습 시스템이 자체적으로 재훈련되도록 할 수 있습니다. 과거 사례에서 사기 탐지 및 예방에 도움이 된 규칙을 골라낼 수 있어야 하므로 이는 매우 중요할 수 있습니다.

특정 날짜 범위 내에서 알고리즘의 정확도를 계산한 다음 새로운 규칙을 설정하거나 현재 규칙을 조정하고 결과를 모니터링할 수 있습니다.

요약

비즈니스 소유자이든 사기 관리자이든 관계없이 위험 전략을 완전히 제어해야 하며 데이터 과학 및 기계 학습이 이 모든 것을 확실히 도울 수 있습니다. 시간이 지나면 사기 시도를 방지하고 거의 없을 것입니다.

저자: Nina Petrov는 그래픽 디자인, 콘텐츠 마케팅, 차세대 친환경 및 소셜 비즈니스에 대한 열정을 가진 콘텐츠 마케팅 전문가입니다. 그녀는 우유와 설탕이 든 커피 한 잔을 마시며 새로운 디지털 트렌드에 대한 다이제스트를 스크롤하며 하루를 시작합니다. 그녀의 하얀 작은 토끼는 휴가 중일 때 당신의 이메일에 답장을 보내는 경향이 있습니다.

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