Dr Mark Goldspink, The ai Corporation (ai) CEO’sü – Röportaj Serisi

Dr Mark Goldspink, The ai Corporation (ai) CEO’sudur, benzersiz self-service dolandırıcılık tespit çözümleri sunar ve birçok endüstri “düşünce liderleri” tarafından dünyanın en iyisi olarak kabul edilir. Çözümler, yeni bir “state of the art” makine öğrenimi ile birlikte ödemeleri korumak ve zenginleştirmek için 100’den fazla banka, üç milyondan fazla çok kanallı tüccar ve 300 milyondan fazla tüketici kart sahibi için ödemeleri zenginleştirmektedir. Ayrıca her yıl 25 milyardan fazla işlem ve yetkilendirmeyi izlerler.

Sizce makine öğrenimi ve AI’ye ilk olarak ne çekti?

AI, büyük veri kaynakları ile iş kararlarını verimli bir şekilde almak için tek yoludur.

Benim ilk makine öğrenimi kullanımım (1992) yakıt sektöründe fiyat esnekliğini incelemeydi. Her hizmet istasyonu ve ürün kendi esneklik endeksine sahiptir. AI kullanarak fiyatın talep edilen miktar üzerindeki etkisini anlamak için öngörülü bir fiyatlandırma aracı oluşturduk. Bu araç bugün hala dünya çapında kullanılmaktadır.

The ai Corporation (ai) nedir, kısaca açıklar mısınız?

ai, ödemeye yönelik çözümlerin dijitalleştirilmesini sağlayarak empresa bulut ürünleri ve hizmetleri sunar. Basitçe söylemek gerekirse, müşterilerimizin ödeme teknolojilerini geleceğe taşımak ve sürekli değişen dijital pazarla uyumlu kalmasını hedefliyoruz. Ödemelerin görünmez hale gelmesi gerektiğine inanıyoruz, böylece işletmeler müşterilerini yönetmeye daha fazla odaklanabilir ve ödemeleri nasıl alacağı konusunda weniger endişe duyabilir.

Potansiyel tehditleri ve dolandırıcılığı işaretlemek için kullanılan bazı makine öğrenimi teknolojileri nelerdir?

Dolandırıcılık ve tehdit tespiti manzarasında kullanılan birçok farklı yöntem ve teknik vardır. İlk örnekler Bayes mantığı ve karar ağaçlarıdır. Daha sonraki yenilikler, hala yaygın olarak kullanılan sinir ağlarının geniş çapta benimsenmesine yol açmıştır. Makine öğreniminin (ML) diğer endüstrilerde hızlı benimsenmesi, diğer yöntemlerin, such as denetimsiz teknikler, XGBoost ve diğerlerinin daha fazla benimsenmesini teşvik etmiştir. Çoğu işletme, mevcut yöntemleri geliştirerek kendi yöntemlerini oluşturur, bunlar genellikle tespit performansını iyileştirmek için kullanılır.

Şu anda, makine öğreniminin “ağır iş”inin çoğunu yaptığı halde, hala çok fazla izleme yapılması gerekmektedir. Model orkestrasyonu kullanarak dolandırıcılık yönetim sürecini otomatikleştirmek bu sorunu nasıl çözebilir?

Çoğu dolandırıcılık sistemi, optimal miktarda dolandırıcılığı tespit etmek ve aynı zamanda meşru ödemelerin reddedilme oranını azaltmak için birden fazla model kullanır. Ancak bu sistemlerin bir numaralı sorunu, bu modelleri yönetmek için gereken büyük ek yönetimdir. Bu yönetim ve yönetim işi genellikle manuel olarak yapılır ve kullanılan modellerin sayısı arttıkça, modellerin iyi performans göstermeye devam etmesi için gereken manuel çaba da artar.

Model orkestrasyonu, dolandırıcılık sistemlerinin yönetim şeklini devrimleştiriyor. Orkestrasyon ile makine, esasen kendini yönetir. Modellerin iyi performans göstermediği tespit edildiğinde, bunlar yeni bir model ile değiştirilir veya en son verilerle yeniden eğitilir. Bu süreç, canlı modeller için performans istatistiklerini otomatik olarak alma ve aynı zamanda offline auto-ml tarafından üretilen modeller için aynı istatistikleri alma gibi otomatik süreçleri kullanır. Offline modeller iyi performans gösterdiğinde, bunlar üretime terfi ettirilir. Bu, optimal dolandırıcılık tespiti ve iş süreçleri için kapalı bir döngü, otomatik bir sistem oluşturur.

Önceki olarak makine öğrenimi tarafından tespit edilen bazı siber güvenlik veya fintech tehditleri örnekleri verebilir misiniz?

Burada ai’de, AutoPilotML adlı makine öğrenimi çözümümüzü kullanarak sürekli olarak dolandırıcılığı önleriz, bu çözüm dolandırıcılık trendlerini takip etmek için tüm dolandırıcılık stratejisini (hem ML hem de manuel olarak üretilen kuralları) otomatik olarak optimize eder. Optimizeliğimiz, TELCO alanında hesap ele geçirme ve hesap hackleme şemalarını tespit etti, bu da operatörlerin binlerce sterlin tasarruf etmesini sağladı. Aslında, yılda yaklaşık 10.000.000 dolar değerinde şüpheli işlemleri tespit ettik.

Siber güvenlik alanında, büyük ölçekli saldırılar günlük olarak makine öğrenimi tarafından önlenir. Örneğin, Microsoft (MSFT ), botnet’lerden kaynaklanan siber saldırıları yıllardır tespit edip hemen önlemektedir. Şubat 2018’de, “katmanlı makine öğrenimi” kullanarak bir Emotet botnet saldırısını neredeyse anında önledi.

Karanlık web, siber güvenlik tehditlerinin ortaya çıktığı bir alan olarak bilinir. Karanlık web yönetilen hizmetleri hakkında konuşabilir misiniz?

ai, Skurio’nun SaaS uygulaması aracılığıyla güçlendirilen bir karanlık web izleme hizmeti sunar, böylece müşterilerimizin verileri karanlık web’de ortaya çıktığında hemen bilgilendirilir ve korunur. Bu ortaklığın benzersiz olduğuna inanıyoruz ve kullanıcılarımıza dünya lideri siber istihbarat sağlar, bu da otomatik olarak web siteleri, pazar yerleri ve forumları taramak için kullanılır ve müşterilerimizin verilerinin karanlık web’de ortaya çıkması durumunda bunları tespit eder.

The ai Corporation (ai) hakkında paylaşmak istediğiniz başka bir şey var mı?

Harika ürünler oluşturmak ve doğru süreçleri bir araya getirmek, sadece dünya sınıfı bir ekiple mümkün olabilir. ai ekibinden son derece gurur duyuyorum ve bu, bizi yenilikçi kılmaya yardımcı olan işbirliğidir.

ai’de çalışmak için bu işbirliği, benim için keyifli ve motive edici olmasını sağlar. Lider olarak insanların gelişimine ve büyümesine yardımcı olmak, en ödüllendirici şeydir.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular The ai Corporation (ai) sitesini ziyaret edebilir.