Лідери думок

Борьба з вогнем за допомогою вогню: Роль штучного інтелекту у боротьбі з шахрайством миттєвих платежів

mm
Додайте Unite.AI до бажаних джерел у Google

Швидка еволюція та глобальне впровадження схем миттєвих платежів позначає суттєвий зсув у глобальній фінансовій екосистемі, покращуючи економіку та фінансову доступність… та створюючи нові можливості для злочинності. Одним із непередбачених переваг традиційних систем, які обробляють транзакції протягом днів або тижнів, є додатковий час для фінансових установ для виявлення та запобігання шахрайству. Транзакції, які обробляються за секунди, мають суттєво позитивний вплив на ефективність та досвід клієнтів, але саме ця швидкість робить виявлення та реагування на шахрайство надзвичайно складним, особливо у великих масштабах. Відносна новизна миттєвих платежів також створює родючий ґрунт для злочинності, оскільки шахраї намагаються використати потенційні лазі в цифрових трансформаціях компаній. Ці виклики мають велику ціну: US News & World Report виявили, що 65% дорослих турбуються про кібератаки, а у США втрати, пов’язані з шахрайством, перевищили $10 млрд минулого року.

Інтеграція штучного інтелекту (ШІ) у фінансових послугах додала ще один рівень складності, як у плані надання можливостей для здійснення складних фінансових злочинів, так і у плані посилення захисту проти них. Ці інструменти надають шахраям безпрецедентну швидкість, точність та масштаб, які можуть перевершити традиційні заходи безпеки. Як результат, фінансові злочини, підтримувані ШІ, зростають. Особливо синтетичне шахрайство з ідентифікацією – де шахраї можуть змішувати справжні дані з фальшивими, щоб створити фальшиві профілі, які виглядають справжніми – зазнало астрономічного зростання за останній рік; за деякими оцінками, 95% синтетичних ідентифікацій не виявляються фінансовими установами.

Розуміння цих динамік та стратегічне використання ШІ для протидії злочинам, підтримуваним ШІ, є важливим для захисту глобальної фінансової екосистеми.

Все починається з сигналів

Чим більш деталізовані дані про боротьбу з шахрайством у організації, тим краще вона готова до навчання систем ШІ для виявлення та позначення спроб шахрайства. Системи ШІ потребують даних, які надають знання, також звані сигналами; коли ці сигнали підключені до рамки, яка дозволяє їм бути спільними між колегами, тим більша можливість захистити справжні дані. Чим більше особистої інформації має ШІ злочинця, тим більше воно може переконливо пройти через мережі безпеки. Обмеження доступу злочинців до сигналів даних є важливою частиною захисту осіб та підприємств, але часті порушення безпеки наділили ринок злочинців великою кількістю особистих даних. Вартість придбання повних даних про звичайного американця – соціальний номер, ім’я, дата народження тощо – на темному сайті становить лише $8.

Кращим варіантом є забезпечення того, щоб анти-шахрайські системи ШІ банків мали доступ до більшої кількості та кращих сигналів даних, ніж злочинці. Коли мова йде про миттєві платежі, це означає, що великі глобальні компанії з платежів, які працюють на ринку протягом десятиліть, мають суттєву перевагу. Складні організації, які обробляють мільярди транзакцій та трильйони доларів, мають значно більше інформації, використовували ШІ протягом років та значно випереджають у плані знання клієнта (KYC) поведінки та моделей. Наприклад, біометричні дані поведінки – закономірності набору тексту, рухи миші, динаміка дотику тощо – можуть допомогти аналізувати унікальну поведінку та позначити відхилення. Як безперервний процес аутентифікації це може надати фінансовим установам перевагу над злочинними акторами. Узяті разом, ці величезні об’єми глобальних даних можуть допомогти фінансовим установам не тільки запобігти спробам шахрайства, але й передбачити майбутнє шахрайство.

Ефект мережі як захист для банків

Малі та середні банки є найбільш вразливими до фінансових злочинів, підтримуваних ШІ, оскільки вони зазвичай мають менше даних, ніж їхні великі колеги, та менше ресурсів для інвестицій у безпеку. Одним із рішень є партнерство з глобальними процесорами платежів, отримання доступу до значно більших сигналів та більш складних систем боротьби з злочинами. Через те, що процесорам платежів вигідно запобігати шахрайству, немає суттєвої різниці у безпеці, яку пропонують різні рівні банків; клієнти малих/регіональних банків так само захищені, як і їхні великі колеги.

Іншою перевагою участі в цій великій екосистемі є можливість банків дізнатися більше про своїх клієнтів. Більше та кращі дані про клієнтів допомагають банкам ідентифікувати макро-тренди раніше, а також потенційно пропущені лазі або потреби клієнтів. Ці дані допомагають мобілізувати їх для розробки необхідних продуктів та послуг. Окрім відкриття нових потоків доходів для банку, кращі продукти покращують задоволеність клієнтів та – з відповідними обмеженнями – допомагають створити безпечнішу фінансову екосистему загалом.

Поширення миттєвих платежів та одночасний рост фінансових злочинів, підтримуваних ШІ, вимагають зміни парадигми безпеки. Майбутнє фінансової безпеки полягає у безшовній інтеграції ШІ у всі аспекти операцій з безпекою. Використовуючи силу ШІ та ефекту мережі великих партнерів з платежами, фінансові установи можуть не тільки захистити себе від поточних загроз та втрат, але й передбачити та пом’якшити майбутні ризики. Співробітництво між фінансовими установами, регуляторами та постачальниками технологій буде критично важливим для розробки потужних рамок безпеки, які можуть відповідати еволюційним загрозам.

Клебер Мартінс приєднався до ACI Worldwide у 2001 році та має 20 років досвіду у впровадженні промислових рішень з попередження шахрайства та протидії відмиванню грошей. Ентузіазм Клебера щодо розвитку інновацій у сфері попередження шахрайства походить від гордості, яку він відчуває, захищаючи своїх клієнтів-банкірів та людей і спільноти, яким вони служать.

На протяжоку своєї кар’єри Клебер був у авангарді розвитку машинного навчання: від фокусу на введенні людського досвіду в машини до сучасної форми, яка дозволяє експертам з попередження шахрайства поєднувати свій реальний інтелект з ІІ. Клебер називає цю тенденцію до демократизації машинного навчання.

Ключові області експертизи Клебера включають допомогу лідерам у сфері платежів у розробці багатовимірних стратегій попередження шахрайства, які борються з сучасними загрозами, а також створення дієвої інформації в сфері платежів та еволюцію попередження шахрайства у відрізнювач досвіду клієнта для організацій.