С переходом платежей в цифровую форму, стремительным ростом онлайн-покупок и увеличением количества людей, работающих дома, возможностей для мошенничества стало больше и больше, чем когда-либо. Год за годом мошенники обманывают миллионы клиентов, выманивают миллиарды из банков и обходятся предприятиям в баснословные суммы.

Одно из опросов 2020 года показало, что 47 % компаний сталкивались с мошенничеством за последние 24 месяца, общая сумма убытков составила более 42 млрд долларов США. Прогнозируется, что эта тревожная цифра будет расти по мере того, как преступники станут более сообразительными и будут использовать новейшие технологии для оттачивания своих операций.

Такие корпорации, как Amazon, Airbnb и Yelp, уже давно полагаются на искусственный интеллект для отсеивания мошеннических учетных записей, поддельных объявлений об аренде и поддельных отзывов. Однако у большинства организаций нет ресурсов для создания надежного конвейера искусственного интеллекта для эффективного обнаружения мошенничества. Вместо этого они часто обременены медленными, утомительными техническими стеками и разочарованными командами специалистов по данным, которые изо всех сил пытаются внедрить свои модели машинного обучения (ML), чтобы не отставать от быстро развивающихся тенденций мошенничества.

Чтобы не отставать от этих тенденций, вот наиболее распространенные виды мошенничества и способы, которыми организации любого размера могут быстро (и по доступной цене) оптимизировать свои операции машинного обучения для повышения эффективности обнаружения мошенничества.

Наиболее распространенные (и дорогостоящие) виды мошенничества

Когда большинство людей думают о мошенничестве, они обычно представляют себе пожилого человека, добровольно передающего свою банковскую информацию совершенно незнакомому человеку по телефону или нажимающего на очевидную фишинговую ссылку в электронном письме от «Netflux».

На самом деле мошенничество может быть гораздо более коварным и по-разному влияет на бизнес всех типов. Вот некоторые распространенные виды мошенничества, о которых должен знать каждый бизнес:

Кража личных данных.Поскольку пандемия переместила все в онлайн, кражи личных данных резко возросли, затронув 86% потребителей во всем мире. Мошенники могут получить личные и финансовые данные клиента с помощью фишинга, ложных форм или взлома базы данных компании. Затем они начинают тратить деньги, используя кредитные карты клиентов, захватывают их онлайн-счета и открывают счета под своим именем для новых кредитных карт или займов.

Мошенничество с платежами. Увеличение количества онлайн-транзакций означает больше возможностей для мошенничества с платежами, при этом глобальные убытки по прогнозам достигнут 40,62 млрд долларов США в год к 2027 году.Для предприятий мошенничество с платежами варьируется от подделки платежные карты для дублирования счетов-фактур, отправленных в разные филиалы одной компании на двойную зарплату. Популярным является мошенничество с санкционированными пуш-платежами или APP, которое включает в себя обман сотрудника, заставляющего его переводить деньги. В 2019 году даже сотрудников Google и Facebook обманули, заставив выплатить поддельные счета на сумму около 100 миллионов долларов.

Мошенничество со страховкой: ФБР оценивает общую стоимость страхового мошенничества более чем в 40 миллиардов долларов в год. Мошенники могут подавать претензии, используя ложную информацию, подавать дублирующие претензии или завышать стоимость компенсации. До 10% заявлений о медицинском страховании в США являются мошенническими, что конкурирует с другими популярными случаями, такими как мошенничество со страховкой автомобиля, умышленное повреждение имущества и поддельные заявления о безработице.

Отмывание денег. Это по-прежнему широко распространенное преступление, которое ежегодно обходится миру примерно в 2 триллиона долларов. Преступники передают грязные деньги, полученные от незаконных операций, через серию банковских переводов или коммерческих транзакций, чтобы очистить их. Хотя у большинства предприятий есть системы, которые бьют тревогу в связи с неоправданно крупными транзакциями или нерегулярной деятельностью, их, как известно, трудно обнаружить.

Программы-вымогатели. Возможно, одна из самых кошмарных форм киберпреступлений. Мошенники проникают в базу данных компании, а затем требуют выкуп до тех пор, пока компания не заплатит за возврат своих данных. Количество программ-вымогателей выросло более чем на 130% в 2020 году, в основном нацеленных на малый бизнес. Не то чтобы корпорации были застрахованы, учитывая, что LG Electronics стала жертвой ранее в этом году и потеряла 50 ГБ конфиденциальных данных, когда отказалась платить.

Как машинное обучение улучшает обнаружение мошенничества

Мошенничество — это растущая угроза с растущими затратами. Это может показаться неизбежным, но точно так же, как запирание входной двери удерживает воров от взлома, наличие надежной системы обнаружения мошенничества снижает риск вашей компании стать жертвой.

Машинное обучение стало мощным игроком в борьбе с мошенничеством. American Express использует ML для отслеживания триллионов транзакций в год, демонстрируя самый низкий уровень мошенничества с кредитными картами в отрасли. Точно так же Chase Online Banking полагается на ML для точного выявления попыток мошенничества, сокращая их потери на 50% за последние пять лет.

Компании по всему миру делают ставку на ML, чтобы выявлять и противодействовать мошенничеству быстрее и точнее, чем любая пятизвездочная команда аналитиков. Вот что делает ML, чтобы сделать это возможным:

  • Быстрее распознавайте мошеннические схемы.Мошеннические транзакции, как правило, следуют определенным схемам, которые отличают их от законных — например, несколько покупок в Интернете с использованием одной и той же карты, но с разных IP-адресов. Машинное обучение объединяет данные, разбросанные по десяткам источников, чтобы изучать и обнаруживать закономерности быстрее, чем это может сделать любой человек. Затем он приоритизирует подозрительные случаи и прогнозирует будущие риски на основе исторических данных и расширенной аналитики.
  • Точное выявление аномалий в поведении. Алгоритмы машинного обучения исключительно хорошо улавливают мельчайшие детали в океане данных. Они могут обнаруживать тонкие аномалии, которые аналитик-человек мог бы пропустить, например, немного более высокие банковские переводы или информацию с ошибками в заявке на получение кредита. Используя все доступные данные, машинное обучение может лучше понять поведение клиентов, выявить потенциальное мошенничество и избежать ложных срабатываний, которые могут нарушить качество обслуживания клиентов.
  • Обработка данных в режиме реального времени.Мошенничество происходит в режиме реального времени, и для его эффективности требуется анализ и обнаружение данных в режиме реального времени. Например, если кто-то пытается совершить покупку с помощью украденной кредитной карты, вы хотите поймать эту попытку и отклонить мошенническую транзакцию до того, как она произойдет. ML мгновенно анализирует все входящие данные, чтобы выявить новые признаки мошенничества, и может автоматически обновлять свои модели, чтобы опережать новые попытки.

Проблема медленных и сложных систем развертывания машинного обучения

Задача состоит не только в том, чтобы создать эффективный ответ на мошенничество, но, в первую очередь, в том, чтобы эксплуатировать ваши модели машинного обучения. Большинство производственных платформ ИИ не могут обрабатывать огромные объемы данных и быстро меняющийся анализ, необходимые для того, чтобы идти в ногу с современной цифровой средой. Это создает знакомый набор ограничений:

  • Блокирует быстрые эксперименты. Если бы это было так просто, как запустить модели машинного обучения в рабочую среду и забыть о них. Огромная часть работы специалиста по данным состоит в том, чтобы экспериментировать, переобучать и повышать точность своих алгоритмов машинного обучения, чтобы опережать новые тактики мошенничества. Это идет рука об руку с непрерывным мониторингом, позволяющим специалистам по обработке и анализу данных обнаруживать дрейф концепций на ранней стадии и избегать ошибочных прогнозов мошенничества, основанных на старых данных.
  • Невозможно запускать модели в режиме реального времени. Каждый день появляются новые формы атак, поэтому, чтобы не отставать от мошенничества, ваши модели машинного обучения должны иметь доступ к последним доступным данным. Это означает обработку данных в режиме реального времени, за исключением того, что большинство платформ ИИ могут выполнять только периодическую обработку (например, каждые две недели). Пока он ждет, ваши модели упускают важную информацию, которая могла бы обнаружить новую схему мошенничества до того, как она станет проблемой.
  • Слишком сложно и дорого для масштабирования. Частое переобучение и повторное развертывание моделей в режиме реального времени требует больших затрат на инфраструктуру и инженерные работы, которые не каждая организация может позволить себе роскошь финансировать. Неуклюжие конвейеры машинного обучения добавляют дополнительное время и усилия вашей команде специалистов по обработке и анализу данных, а также увеличивают расходы вашего бухгалтерского отдела. Это неизбежно задерживает прогресс и опасно удерживает вас за более быстрыми мошенниками.

Как Wallaroo может ускорить ваши инициативы по борьбе с мошенничеством в сфере машинного обучения

Когда дело доходит до разработки и обучения моделей мошенничества, специалисты по данным могут выбирать из обширного набора мощных платформ с открытым исходным кодом, таких как TensorFlow, Scikit-learn, XGBoost и другие. Однако для развертывания этих моделей в рабочей среде с использованием оперативных данных организациям обычно приходится сначала инвестировать в большие группы инженеров данных и разветвленную инфраструктуру — до миллионов долларов в год.

Более того, если вы находитесь на ранних этапах своего пути в области ИИ, может потребоваться 1–2 года просто для того, чтобы создать и развить нужные команды, навыки и инфраструктуру, которые сделают производство машинного обучения возможным.

Именно здесь на помощь приходит Wallaroo, корпоративная платформа для производства искусственного интеллекта. Wallaroo действует как ракета-носитель для ваших проектов по науке о данных и помогает вашей команде запускать модели машинного обучения в производство быстрее, с гораздо меньшими трудностями и с гораздо меньшими затратами. .

Благодаря всем инструментам, которые нужны вашей команде для упрощения производства, экспериментов, мониторинга и масштабирования, Wallaroo быстро превращает ваши модели машинного обучения в своевременную информацию, чтобы вы могли круглосуточно защищать свой бизнес.

Вот что Wallaroo может сделать для вас:

  • Разверните модели машинного обучения в рабочей среде в течение секунд.
  • Позвольте специалистам по обработке и анализу данных быстро экспериментировать, переобучать и повторно развертывать свои алгоритмы машинного обучения для постоянно более эффективных моделей.
  • Анализируйте данные в 100 раз быстрее, используя меньше ресурсов, чтобы сокращать инфраструктуру и затраты на обслуживание до 80%.
  • Поддерживайте периодическую обработку и потоковую передачу данных в реальном времени, чтобы не отставать от новых угроз.
  • Предоставляйте подробные аналитические отчеты и аналитику в режиме реального времени, чтобы вы могли реагировать на попытки мошенничества по мере их возникновения.

Wallaroo уже зарекомендовал себя в сфере безопасности, розничной торговли, Интернета вещей и многих других случаях использования, но особенно хорошо он подходит для обнаружения мошенничества. Например, в случае мошенничества с кредитными картами финансовые учреждения могут полагаться на обработку в режиме реального времени Wallaroo для высокоточной информации, основанной на недавних транзакциях и историческом поведении клиентов (например, суммах, местонахождении, структуре расходов и т. д.). .).

Это позволяет их моделям предсказывать вероятность мошенничества за миллисекунды, а также дает возможность их командам по обработке данных и бизнес-руководителям использовать актуальную аналитику, такую ​​как прогнозируемое количество мошеннических транзакций и их потенциальная стоимость в долларах по сравнению с историческими фактами. Чтобы получить представление о том, как это выглядит, выберите время на графике ниже для примера сводок и подробной информации об аудите, которую может предоставить Wallaroo.



Демонстрация мошенничества
На этой диаграмме показаны прогнозируемые случаи мошенничества по сравнению со средним историческим значением реальных случаев мошенничества за 15 минут…deploy-preview-3--wallaroo -labs-demo-viz.netlify.app



Мошенничество может быть старо, как само человечество, но это не значит, что ваш бизнес должен использовать устаревшие технологии для борьбы с ним. Наличие подходящей платформы искусственного интеллекта в вашем уголке может снизить затраты и риски, открыть путь для инноваций в области науки о данных и существенно повлиять на вашу прибыль.

Свяжитесь с нами сегодня, чтобы защитить свой бизнес с Wallaroo.