Обнаружение мошенничества с помощью ИИ и машинного обучения: как это работает для защиты вашего бизнеса
Опубликовано: 2020-06-22Пока специалисты по кибербезопасности в сотрудничестве с разработчиками и аналитиками пытаются создать совершенную систему защиты от мошенничества, количество жертв и успешных попыток только растет. Чем больше действий мы совершаем, оставляя след данных, тем проще собрать всю необходимую информацию, чтобы мошенническая схема прошла успешно. Инфографика ниже отражает текущую картину.
Очевидно, что методы прошлых лет перестали быть эффективными. Даже обнаружение мошенничества с помощью ИИ и машинного обучения не является ни волшебной таблеткой, ни абсолютной гарантией защиты. Однако на данный момент ничего лучше не придумано, поэтому имеет смысл узнать, как решения ML и анализ обнаружения мошенничества могут сделать ваш бизнес более безопасным, а ваших клиентов — более уверенными в ваших услугах.
Что такое обнаружение мошенничества с помощью машинного обучения?
Сама концепция выявления мошенничества с помощью машинного обучения основана на идее о том, что законные и неправомерные действия имеют разные характеристики. Причем эти признаки могут быть совершенно незаметны человеческому глазу.
Система машинного обучения для распознавания мошенничества исходит из своих знаний о законной операции, сопоставляет эти знания с событиями, происходящими в режиме реального времени, и делает вывод о правомерности или незаконности того или иного действия. Вот как это выглядит.
Обнаружение мошенничества — решение на основе машинного обучения для обеспечения безопасности бизнеса
На самом деле безопасность бизнеса — это лишь верхушка айсберга. Или собирательный термин. Системы машинного обучения могут дать вашему бизнесу больше, чем вы думаете.
Улучшение качества обслуживания клиентов
Машинное обучение само по себе является очень мощным инструментом для улучшения взаимодействия с пользователем. Умные системы учатся понимать пользователей на основе их действий, прогнозировать, настраивать и достигать цели. А также защитить пользователей от попыток мошенничества.
Самый простой пример — обнаружение мошенничества с кредитными картами. Продвинутые системы онлайн-банкинга не позволят вам войти в личный кабинет клиента, распоряжаться деньгами, если ваша модель поведения указывает на возможное мошенничество. В данном случае улучшенный пользовательский опыт означает уверенность ваших пользователей в том, что они максимально защищены от мошеннических попыток.
Защита данных
Согласно исследованию Harvard Business Review, 90% опрошенных пользователей заявили, что внимательное отношение компаний к персональным данным своих клиентов показывает реальное отношение к клиентам. Другими словами, если вы хотите завоевать лояльность пользователей, то здесь может помочь бережное отношение к данным и их всесторонняя защита.
Системы машинного обучения могут отслеживать, как данные хранятся, собираются и используются — в целом, насколько ваши процедуры соответствуют GDPR. В случае обнаружения потенциальных мошеннических или аномальных действий, связанных с обработкой пользовательских данных, система отправляет сигнал тревоги.
Устранение мошеннических RTO, злоупотреблений промокодами и возвратных платежей
Мошенники априори умные люди, иначе они не смогли бы придумать схемы, которые работают. Что касается ритейла, то это очень привлекательная отрасль, так как всегда можно притвориться добропорядочным покупателем, чтобы обмануть продавца.
Системы машинного обучения способны пресечь эти попытки еще на стадии намерения — например, когда пользователи начинают оформлять заказ с подозрительного IP, который уже был замечен в мошеннических схемах.
Предотвращение денежных потерь и проблем с репутацией
Любая успешная попытка мошенничества означает потерю денег и репутации. Деньги вернуть гораздо проще, чем репутацию — именно этим не стоит рисковать. Как это ни парадоксально, некоторые компании отказываются противостоять мошенничеству, опасаясь, что это нанесет ущерб их репутации, хотя на самом деле все наоборот.
Отсутствие мошеннической стратегии реагирования больше всего вредит вашей репутации. И это мнение большинства современных пользователей.
Каковы передовые методы машинного обучения для обнаружения мошенничества
Итак, как же работают системы машинного обучения, чтобы обеспечить высокий уровень защиты от незаконных атак?
Обнаружение аномалий в реальном времени
Системы, основанные на правилах, обнаруживали мошенничество, когда деньги уже были украдены. Современные системы работают с постоянно меняющимися данными в режиме реального времени, поэтому способны отловить попытку мошенничества еще на стадии умысла. Вот как это работает.
( Также читайте: Мошенничество в партнерском маркетинге: как его предотвратить)
Анализ поведения
Что касается поведения пользователя, то в данном случае модель обучается распознавать типичные и ненормальные действия для конкретного пользователя. Аномальное действие при сочетании других факторов может быть признаком попытки мошенничества, например, если пользователь снимает крупную сумму наличными в другой стране или городе.
Глубокое обучение
В этом случае необходимо разработать нейросеть, а также иметь очень большой объем данных для анализа.
Какие типы сценариев мошенничества могут быть покрыты AIML FD?
| Электронная коммерция | Здравоохранение | Банковское дело |
|---|---|---|
Мы уже говорили о том, что системы способны отслеживать подозрительные IP-адреса и действия с ними, чтобы уведомить уполномоченное лицо о попытке онлайн-мошенничества. |
Это тот случай, когда система должна следить за поведением лиц, ответственных за выдачу рецептов и лекарств, и находить невидимые причинно-следственные связи (например, сговор врача и фармацевта о мошенничестве с дорогими или наркотическими препаратами). |
Деньги не могут обращаться без контроля со стороны банков и государства. Это означает, что система, специально предназначенная для поиска схем, подобных отмыванию денег и финансированию терроризма, может существенно помочь в раскрытии этих преступлений и создании прозрачной банковской системы. |
Популярность мобильных покупок привела к росту мобильного мошенничества, которое принимает множество форм — от кражи аккаунта до дружеского мошенничества. В этом случае умный алгоритм отслеживает действия пользователя, совершаемые с мобильного устройства, и делает вывод, находится ли смартфон (или аккаунт) в руках законного владельца. |
Это самый распространенный вид мошенничества, и в последнее время мошенничество без карты начинает набирать обороты. Система обнаружения мошенничества в режиме реального времени может помочь обнаружить попытку или даже намерение до того, как деньги будут украдены. |
В этом случае система собирает данные о потенциальном заемщике и делает вывод о рискованности выдачи кредита. |
Медицинские данные очень дороги на черном рынке, и медицинские организации должны защищать их так же ответственно, как и жизни своих пациентов. Система машинного обучения способна выявлять и блокировать попытки взлома. |
Сколько стоит внедрение решения для обнаружения мошенничества с машинным обучением?
На самом деле сделать приблизительную оценку стоимости такого решения можно только после очень тщательного анализа бизнеса и его потребностей.
Стоимость переключения/интеграции
В случае перехода на индивидуальное AI-решение, разработанное специально для вашего бизнеса, оно может стоить в среднем от 6000 долларов и выше. Если вы хотите интегрировать стороннее программное обеспечение ML в свой бизнес, это может стоить вам 40000 долларов в год в качестве высшей точки.
Наборы данных для реализации
Согласно исследованию Равелина, «Машинное обучение не является панацеей от мошенничества. Чтобы модели машинного обучения стали точными, требуется значительный объем данных. Некоторым продавцам полезно применить базовый набор исходных правил и позволить моделям «прогреться» с дополнительными данными».
Другими словами, недостаточность данных может стать серьезным ограничением для внедрения машинного обучения. С другой стороны, чем больше данных необходимо задействовать, тем более дорогим и технически сложным становится решение для вашего бизнеса.
Вывод
Возможности машинного обучения для бизнеса не ограничиваются способностью обнаруживать мошенничество. Машинное обучение и искусственный интеллект обеспечивают более приятный пользовательский опыт, полезную информацию на основе данных, а также более оптимизированный и этичный бизнес. Это как раз то, что должно быть реализовано в бизнес-процессах в ближайшее время.
***
Хелен Коваленко — менеджер ИТ-проектов, работающая в команде Data Science над НЛП, компьютерным зрением и обнаружением мошенничества. Свяжитесь с Хелен в LinkedIn.