Yapay Zeka ve Makine Öğrenimi ile Dolandırıcılık Tespiti – İşinizi Korumak İçin Nasıl Çalışır?
Yayınlanan: 2020-06-22Siber güvenlik uzmanları, geliştiriciler ve analistlerle işbirliği içinde, dolandırıcılığa karşı mükemmel bir koruma sistemi oluşturmaya çalışırken, kurbanların ve başarılı girişimlerin sayısı giderek artıyor. Verilerin izini bırakarak ne kadar çok eylem yaparsak, dolandırıcılık planının başarılı olması için gerekli tüm bilgileri toplamak o kadar kolay olur. Aşağıdaki infografik mevcut resmi yansıtmaktadır.
Açıkçası, geçmiş yılların yöntemleri etkili olmaktan çıktı. Yapay Zeka ve Makine Öğrenimi ile Dolandırıcılık Tespiti bile ne sihirli bir hap ne de mutlak bir koruma garantisidir. Ancak şu anda daha iyi bir şey icat edilmedi, bu nedenle ML çözümlerinin ve dolandırıcılık tespit analizinin işinizi nasıl daha güvenli hale getirebileceğini ve müşterilerinizin hizmetlerinize nasıl daha fazla güvenebileceğini öğrenmek mantıklıdır.
Makine Öğrenimi ile Dolandırıcılık Tespiti Nedir?
Makine öğrenimini kullanarak sahtekarlığı tespit etme konsepti, meşru ve yasadışı eylemlerin farklı özelliklere sahip olduğu fikrine dayanır. Üstelik bu belirtiler insan gözüyle tamamen görünmez olabilir.
Dolandırıcılığı tanımak için makine öğrenimi sistemi, meşru operasyon hakkındaki bilgisinden yola çıkar, bu bilgiyi gerçek zamanlı olarak meydana gelen olaylarla karşılaştırır ve belirli bir eylemin geçerliliği veya yasa dışılığı hakkında bir sonuca varır. İşte nasıl göründüğü.
Dolandırıcılık Tespiti – İş Güvenliği için Makine Öğrenimi Çözümü
Aslında, iş güvenliği buzdağının sadece görünen kısmıdır. Veya toplu bir terim. Makine öğrenimi sistemleri, işinize düşündüğünüzden daha fazlasını verebilir.
Müşteri Deneyimi İyileştirme
Makine öğrenimi kendi içinde kullanıcı deneyimini geliştirmek için çok güçlü bir araçtır. Akıllı sistemler, kullanıcıları eylemlerine göre anlamayı, tahmin etmeyi, özelleştirmeyi ve hedefi vurmayı öğrenir. Ayrıca kullanıcıları dolandırıcılık girişimlerine karşı korur.
En basit örnek, kredi kartı dolandırıcılığı tespitidir. Gelişmiş çevrimiçi bankacılık sistemleri, müşterinin kişisel hesabına girmenize, davranış biçiminiz olası bir sahtekarlığı gösteriyorsa parayı yönetmenize izin vermez. Bu durumda, geliştirilmiş kullanıcı deneyimi, kullanıcılarınızın dolandırıcılık girişimlerine karşı mümkün olduğunca korunduklarına dair güveni anlamına gelir.
Veri koruması
Harvard Business Review araştırmasına göre, ankete katılan kullanıcıların %90'ı, şirketlerin müşterilerinin kişisel verilerine karşı özenli tutumunun müşterilere karşı gerçek bir tutum gösterdiğini söyledi. Başka bir deyişle, kullanıcı bağlılığı kazanmak istiyorsanız, verilere karşı dikkatli bir tutum ve kapsamlı koruması yardımcı olabilir.
Makine öğrenimi sistemleri, verilerin nasıl saklandığını, toplandığını ve kullanıldığını izleyebilir - genellikle prosedürlerinizin GDPR ile ne kadar uyumlu olduğunu. Kullanıcı verilerini işleyen olası dolandırıcılık veya anormal eylemlerin tespit edilmesi durumunda sistem bir alarm gönderir.
Hileli RTO, Promosyon Kodu Suistimalleri ve Ters İbrazların Ortadan Kaldırılması
Dolandırıcılar a priori akıllı insanlardır, aksi takdirde işe yarayan planlar bulamazlardı. Perakendeye gelince, bu çok çekici bir endüstridir, çünkü satıcıyı aldatmak için saygın bir alıcı gibi davranmak her zaman mümkündür.
Makine öğrenimi sistemleri, bu girişimleri niyet aşamasında bile durdurabilir – örneğin, kullanıcılar şüpheli bir IP ile sipariş vermeye başladıklarında, ki bu sahtekarlık planlarında zaten fark edilmiştir.
Para Kayıpları ve İtibar Sorunlarının Önlenmesi
Herhangi bir başarılı dolandırıcılık girişimi, para ve itibar kaybı anlamına gelir. Parayı iade etmek bir itibardan çok daha kolaydır - bu tam olarak riske atmamanız gereken şeydir. Paradoksal olarak, bazı şirketler sahtekarlıkla yüzleşmeyi reddediyorlar çünkü bunun itibarlarına zarar vereceğinden korkuyorlar, ancak aslında tam tersi doğru.
Hileli bir yanıt stratejisinin olmaması, itibarınıza en çok zarar verir. Ve bu, çoğu modern kullanıcının görüşüdür.
Dolandırıcılık Tespiti Makine Öğrenimi için En İyi Uygulamalar Nelerdir?
Peki, makine öğrenimi sistemleri yasa dışı saldırılara karşı yüksek düzeyde koruma sağlamak için nasıl çalışır?
Gerçek zamanlı anormallik algılama
Kural tabanlı sistemler, para zaten çalındığında sahtekarlığı tespit etti. Modern sistemler sürekli değişen verilerle gerçek zamanlı olarak çalışır, bu nedenle hileli bir girişimi niyet aşamasında bile yakalayabilirler. İşte nasıl çalıştığı.
( Ayrıca Okuyun: Satış Ortaklığı Dolandırıcılığı: Nasıl Önlenir )
davranış analizi
Kullanıcı davranışına gelince, bu durumda model, belirli bir kullanıcı için tipik ve anormal eylemleri tanımak üzere eğitilir. Diğer faktörlerin bir arada olduğu anormal bir eylem, örneğin kullanıcının başka bir ülkede veya şehirde büyük miktarda nakit çekmesi durumunda, dolandırıcılık girişiminin bir işareti olabilir.
Derin öğrenme
Bu durumda, bir sinir ağı geliştirmek ve ayrıca analiz için çok büyük miktarda veriye sahip olmak gerekir.
AIML FD ile Ne Tür Dolandırıcılık Senaryoları Kapsanabilir?
| e-ticaret | Sağlık hizmeti | Bankacılık |
|---|---|---|
Sistemlerin, bir çevrimiçi dolandırıcılık girişimi hakkında yetkili bir kişiyi bilgilendirmek için şüpheli IP adreslerini ve bunlarla yapılan işlemleri izleyebildiğini zaten söylemiştik. |
Bu, sistemin reçetelerin ve ilaçların verilmesinden sorumlu kişilerin davranışlarını izlemesi ve görünmez neden-sonuç ilişkileri bulması gerektiğinde (örneğin, bir doktor ve eczacının pahalı veya narkotik ilaçlarla dolandırıcılık hakkında komplo kurması) gereken durumdur. |
Bankaların ve devletin kontrolü olmadan para dolaşamaz. Bu, kara para aklama ve terörün finansmanına benzer kalıpları araştırmak için özel olarak tasarlanmış bir sistemin bu suçların çözülmesine önemli ölçüde yardımcı olabileceği ve şeffaf bir bankacılık sistemi oluşturabileceği anlamına gelir. |
Mobil alışverişin popülaritesi, bir hesabın çalınmasından dostane dolandırıcılığa kadar birçok biçim alan mobil dolandırıcılığın artmasına neden oldu. Bu durumda akıllı algoritma, kullanıcının bir mobil cihazdan yaptığı işlemleri izler ve akıllı telefonun (veya hesabın) hak sahibinin elinde olup olmadığı sonucuna varır. |
Bu en yaygın dolandırıcılık türüdür ve son zamanlarda kartsız dolandırıcılık ivme kazanmaya başlamıştır. Gerçek zamanlı bir dolandırıcılık tespit sistemi, para çalınmadan önce bir girişimin ve hatta niyetin tespit edilmesine yardımcı olabilir. |
Bu durumda, sistem potansiyel borçlu hakkında veri toplar ve kredi vermenin riskliliği hakkında bir sonuca varır. |
Tıbbi veriler karaborsada çok pahalıdır ve tıbbi kuruluşlar bunu hastalarının hayatları kadar sorumlu bir şekilde korumalıdır. Bir makine öğrenimi sistemi, bilgisayar korsanlığı girişimlerini tanımlayabilir ve engelleyebilir. |
Bir ML Sahtekarlık Tespiti Çözümünü Uygulamanın Maliyeti Ne Kadardır?
Aslında, ancak işin ve ihtiyaçlarının çok kapsamlı bir analizinden sonra böyle bir çözümün maliyetinin kaba bir tahminini yapmak mümkündür.
Anahtarlama/Entegrasyon maliyeti
İşletmeniz için özel olarak geliştirilmiş özel yapay zeka çözümüne geçiş yapılması durumunda, ortalama 6000 ABD Doları ve daha yüksek bir maliyete mal olabilir. Bir üçüncü taraf makine öğrenimi yazılımını işinize entegre etmek istiyorsanız, en yüksek nokta olarak yılda 40000 dolara mal olabilir.
Uygulanacak Veri Kümeleri
Ravelin'in araştırmasına göre, “Makine öğrenimi, dolandırıcılığın önlenmesi için gümüş bir kurşun değildir. Makine öğrenimi modellerinin doğru olması için önemli miktarda veri gerekir. Bazı tüccarlar için, temel bir dizi başlangıç kuralı uygulamak ve modellerin daha fazla veriyle 'ısınmasına' izin vermek faydalıdır”.
Başka bir deyişle, yetersiz veri, makine öğreniminin tanıtımında ciddi bir sınırlama olabilir. Öte yandan, ne kadar çok verinin dahil edilmesi gerekiyorsa, işiniz için çözüm o kadar pahalı ve teknik olarak karmaşık hale gelir.
Çözüm
İşletmeler için makine öğrenimi fırsatları, dolandırıcılığı tespit etme yeteneği ile sınırlı değildir. Makine öğrenimi ve yapay zeka, daha keyifli bir kullanıcı deneyimi, faydalı veri tabanlı içgörüler ve daha optimize edilmiş ve etik bir iş ile ilgilidir. Yakın gelecekte iş süreçlerinde uygulanması gereken tam da budur.
***
Helen Kovalenko, NLP, Bilgisayarla Görme ve Dolandırıcılık Tespiti üzerine bir Veri Bilimi ekibinde çalışan bir BT Proje Yöneticisidir. LinkedIn'de Helen ile bağlantı kurun.