Strojové učení je novou zbraní proti bankovním podvodům
Banky stále více spoléhají na nástroje umělé inteligence (AI), které dokáží odhalit pokus o podvod a také shromažďovat důkazy, díky nimž lze zločince odsoudit a odradit. Proto banky do těchto nástrojů stále více investují. V posledních letech roste riziko, že se stane obětí bankovních podvodů. Kvůli nim bankám hrozí vysoké pokuty a také může utrpět jejich dobré jméno.
Prevence podvodů a jejich včasní odhalení se pro banky staly palčivou otázkou, a to kvůli několika trendům. Za prvé: existuje více kanálů pro interakci se zákazníky, které mohou zločinci zneužít, například mobilní platby. Zločinci se také stále zdokonalují v práci s malware a phishingovými emaily, kterými naruší bezpečnost a získají přístup ke klientským účtům.
A konečně starší technologie není schopná dostatečně rychle identifikovat nové druhy podvodné aktivity a reagovat na ně. Zastaralé platformy a nástroje vedou bankovní zaměstnance k tomu, že tráví příliš mnoho času zkoumáním tzv. falešných pozitiv, transakcí, které se zdají podezřelé, ale ve skutečnosti jsou legitimní.
Z toho pro banky vyplývá úkol: korelovat a analyzovat hory dat z mnoha systémů, aby identifikovaly nenormální aktivity, které by mohly být podvodné… a pak svižně reagovat.
Strojové učení (Machine Learning) těží z velkých dat, ze zlepšující se schopnosti zpracovávat data a z pokroků ve vytváření statistických modelů. Proto se ML stalo významným nástrojem, díky němuž lze zmiňované úkoly splnit. Algoritmy strojového učení, známé také jako neurální sítě, jsou v zásadě pokročilé analytiky, které probíhají nepřetržitě.
V reálném čase analyzují transakce a související údaje, jako je řeč, obraz, text a chování na internetu. Tyto algoritmy dokáží identifikovat vzorce, které svědčí o tom, že mohlo dojít k narušení kontroly. Pochybné transakce pak označí, aby se jimi okamžitě začali zabývat vyšetřovatelé.
Algoritmy strojového učení jsou účinnější než starší modely boje proti podvodům s jasně stanovenými pravidly. Lépe se adaptují, mohou se učit a přizpůsobit se novým vzorcům podvodného jednání. To vše díky tomu, že samy sebe neustále testují v práci s legitimním chováním. Metody založené na strojovém učení snižují objem falešných pozitiv, takže experti-lidé mají čas, aby se zabývali odhalováním a prevencí větších podvodů.
Je třeba, aby neustále rostl rozsah boje proti podvodům. Jako typický příklad poslouží bankovní hlasové služby. V roce 2017 udělila agentura Evropská cena pro kontaktní střediska a služby zákazníkům (ECCCSA) prestižní ocenění skupině Lloyds Banking Group a společnosti Pindrop, která se zaměřuje na technologii pro prevenci telefonických podvodů. Společnost Pindrop analyzuje vlastnosti hovoru, jako například lokalitu.
