Dave Excell, Oprichter van Featurespace – Interviewreeks

Dave Excell is de oprichter van Featurespace, Dave richtte Featurespace op na zijn uitvinding van Adaptive Behavioral Analytics, die gebruik maakt van verklarende AI om banken te helpen verdachte consumentengedrag te herkennen en te markeren. Zelfs in recente tijden, waarin consumentengedrag verandert, is deze geavanceerde AI in staat om fraude te bestrijden en autoriteiten te helpen om geldwassen en andere georganiseerde financiële criminaliteit aan te pakken, en vertrouwen terug te brengen in fintech.

Kunt u ons vertellen over de geschiedenis van hoe u, in samenwerking met professor Bill Fitzgerald, het concept van Adaptive Behavioral Analytics bedacht?

Terwijl ik mijn PhD volgde, werkte ik met professor Bill Fitzgerald aan de Universiteit van Cambridge om machine learning- en statistische technieken toe te passen om menselijk gedrag te begrijpen. Tijdens mijn tijd daar kwamen organisaties bij ons om naar nieuwe oplossingen te zoeken voor verschillende uitdagingen die ze hadden bij het automatiseren van effectieve besluitvorming op basis van de gegevens die ze verzamelden of om de efficiëntie van handmatige processen te verbeteren. Ik begon een patroon te zien: organisaties in verschillende industrieën worstelden met het begrijpen van de onderliggende gedragingen of ‘intenties’ achter de gegevens die ze verzamelden, vooral wanneer ze probeerden slechte actoren te identificeren. Bijvoorbeeld, met een organisatie modelleerden we de besluitvorming van spelers in een computerspel om te begrijpen of ze echte spelers waren of robots die het systeem manipuleerden. Hoe meer projecten we deden, hoe meer ik zag dat er behoefte was aan machine learning die zich zou aanpassen aan de veranderingen in gedrag (en gegevens) achter de uitkomst (bijv. bedrog of fraude). Dit is eigenlijk hoe ik voor het eerst het concept van Adaptive Behavioral Analytics bedacht, dat later de eerste fundamentele technologie binnen Featurespace werd.

Kunt u ons vertellen over de geschiedenis van hoe dit concept leidde tot de lancering van Featurespace?

Hoewel ik van onderzoek hou en oplossingen vind, hou ik niet van onderzoek alleen voor de sake van onderzoek. Ik word gemotiveerd door technologie toe te passen op praktische problemen, en dan manieren te vinden om commerciële waarde te leveren en de technologie in te zetten om een positieve impact te hebben op de wereld waarin we leven. Dat is hoe ik uiteindelijk Featurespace oprichtte en we sindsdien op een missie zijn om de wereld een veiligere plek te maken om transacties uit te voeren.

Kunt u bespreken welke bestaande technieken worden toegepast voor fraude- en financiële misdaadpreventie, en waarom deze technieken tekortschieten?

Er zijn verschillende technologieën in deze ruimte – in feite dateren de eerste toepassingen van AI om financiële fraude te bestrijden uit de vroege jaren 90. Echter, deze primitieve vorm van AI nam aan dat fraudegedragingen hetzelfde zouden blijven. De algoritmes werden gebouwd om hetzelfde frauduleuze gedrag te herkennen. Deze theorie wordt nog steeds breed toegepast in anti-fraude technologie. Maar fraude is niet statisch. Fraudeurs passen hun methoden constant aan om voorop te blijven lopen van anti-fraude technologie. Dat is waarom we bij Featurespace de werelds eerste adaptieve AI-model hebben gemaakt om fraude te bestrijden. We blijven drie stappen voorop van fraudeurs zonder enige menselijke interventie.

Waarom is Adaptive Behavioral Analytics zo effectief in vergelijking met deze legacy fraudepreventietechnieken?

Onze propriëtaire Adaptive Behavioral Analytics zijn zo effectief in vergelijking met legacy fraudepreventietechnieken omdat legacy-spelers afhankelijk zijn van statische fraudepatronen – maar fraude is nooit statisch. Legacy-spelers leren wat verschillende soorten bekend slecht gedrag eruit ziet, en proberen dan dat slechte gedrag te detecteren onder miljoenen transacties. Het probleem is dat die modellen alleen rekening kunnen houden met slecht gedrag dat eerder is gezien, en fraudeurs passen constant hun methoden aan om voorop te blijven lopen van fraudepreventie. In plaats daarvan leert ons Adaptive Behavioral Analytics-model wat goed gedrag eruit ziet, en detecteert veranderingen ten opzichte van dat goede gedrag. Er is veel meer goed gedrag in de wereld dan slecht, waardoor we meer hebben om van te leren. Er is een veel kleinere set van frauduleuze gedragingen, en die veranderen constant. Proberen om alleen bekende frauduleuze gedragingen te detecteren is een verloren spel.

Welke soorten machine learning-algoritmes worden gebruikt?

Featurespace’s Adaptive Behavioral Analytics gebruikt een combinatie van onbegeleide en begeleide machine learning-technieken. Onbegeleide technieken worden gebruikt om veranderingen in gedrag te detecteren om waarschijnlijke risico’s aan te geven. Begeleide technieken worden vervolgens gebruikt om de nauwkeurigheid van onze modellen te optimaliseren om fraude en financiële misdaad te voorkomen en te detecteren. Vorig jaar lanceerde Featurespace Automated Deep Behavioral Network-modellen die een novum Recurrent Neural Network-architectuur gebruiken. Featurespace Research ontwikkelde Automated Deep Behavioral Networks om functie-ontdekking te automatiseren en geheugencellen met native begrip van de betekenis van tijd in transactiestromen in te voeren, waarmee de marktleidende prestaties van onze bestaande Adaptive Behavioral Analytics werden verbeterd.

Hoe adaptief zijn de modellen om nieuwe consumentengedragingen te leren en klantprofielen te optimaliseren?

Onze Adaptive Behavioral Analytics-modellen zijn precies zo adaptief als nodig – zelfs in het gezicht van ongekende verandering. Bijvoorbeeld, tijdens de eerste COVID-19-lockdowns in 2020 veranderde consumentengedrag letterlijk over een nacht. Op 29 april 2020 zag Mastercard (MA ) een toename van 40% in contactloze betalingen. Niet-adaptieve fraudepreventie-AI-modellen werden overrompeld, waardoor legitieme betalingen die door mensen werden gedaan die thuis moesten blijven, werden geblokkeerd. Onze modellen pasten zich automatisch aan, zonder menselijke interventie. Dit is het meest zichtbaar in de TSYS Foresight Score, een fraude- en risicobeheer-instrument voor betalingsuitgevers, gebouwd door TSYS en Featurespace. Van januari tot juni 2020 leverde de TSYS Foresight Score met Featurespace consistent stabiele scores op wekelijkse basis, waardoor consumenten die thuis moesten blijven, geen onderbreking ondervonden bij het kopen van boodschappen en andere essentiële producten.

Wat zijn de grootste use cases voor deze technologie?

Deze technologie is specifiek gericht op banken, financiële instellingen en betalingsverwerkers. Bijvoorbeeld, het betalingsverwerkingsbedrijf Worldpay werd onlangs erkend voor zijn FraudSight-product, aangedreven door Featurespace, vanwege zijn vermogen om fraude te mitigeren en de goedkeuringspercentages van handelaren te verhogen en consumenten te beschermen.

Is er nog iets dat u wilt delen over Featurespace?

Scams zijn een van de snelst groeiende fraudecategorieën ter wereld. Regulatoren erkennen dit en proberen bescherming in te voeren. Bijvoorbeeld, de Britse regering lanceerde in maart 2022 een hervorming van de Online Safety Bill om scams te voorkomen en consumentenvertrouwen in online transacties te vergroten. Vergelijkbaar in de VS, overweegt de Consumer Financial Protection Bureau (CFPB) actie te ondernemen om consumenten te beschermen tegen scams door meer verantwoordelijkheid bij banken en creditunies te leggen. Door scams te voorkomen voordat ze gebeuren, kan Featurespace banken geld besparen en hun klanten beschermen, automatisch zonder menselijke interventie.

Een voorbeeld hiervan is NatWest (NWG ), de vierde grootste Britse bank in termen van totale activa, met ongeveer 19 miljoen klanten. NatWest zag een toename in de waarde van fraude en scams die werden gedetecteerd, inclusief een directe daling in vals positieve tarieven (echte klantactiviteit daalde), binnen 24 uur na het implementeren van Featurespace’s ARIC Risk Hub. Als resultaat van onze samenwerking, hebben ze Featurespace genoemd als een “sterke partner” aan hun investeerders.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen Featurespace bezoeken Featurespace.