emea business monitor

Τράπεζα της Αμερικής: Οι απάτες από κλεμμένες κάρτες ξεπέρασαν τα 4 δισ. δολάρια και η λύση είναι στην Μηχανική Μάθηση

Οι τραπεζικές αυτές απάτες προέρχονται από την χρήση κλεμμένων αριθμών πιστωτικών καρτών ή άλλων προσωπικών πληροφοριών με τους κακοποιούς να χρησιμοποιούν όλο και πιο εξελιγμένα τεχνολογικά μέσα για να το επιτύχουν. 

Η πλειοψηφία των επιθέσεων είναι αυτοματοποιημένες, πράγμα που σημαίνει ότι οι απατεώνες γίνονται όλο και πιο άνετοι χρησιμοποιώντας τα προηγμένα εργαλεία μάθησης όπως η βαθιά μάθηση, η τεχνητή νοημοσύνη (AI) και η μηχανική μάθηση (ML) για να στοχεύσουν τα χρηματοπιστωτικά ιδρύματα και τους πελάτες τους. Περίπου το 40% όλων των επιθέσεων θεωρούνται πλέον υψηλού κινδύνου, δηλαδή οι τράπεζες όλων των μορφών και μεγεθών πρέπει να επανεξετάσουν τον τρόπο με τον οποίο σκέφτονται την προστασία των δεδομένων, την ασφάλεια και τα εργαλεία που χρησιμοποιούν για την προστασία από τις αναδυόμενες απειλές.

Η Μηχανική Μάθηση (Machine Learning) μπορεί να δώσει τη λύση

Οι απατεώνες “χτυπούν τις πόρτες” των τραπεζών με μια αυξανόμενη σειρά κλεμμένων πληροφοριών, καθώς φαίνονται να μιμούνται τους νόμιμους πελάτες με ευκολία. Ως εκ τούτου, οι τράπεζες πρέπει να είναι βέβαιες ότι τα μέτρα προστασίας από την απάτη που εφαρμόζουν μπορούν να ανιχνεύσουν τέτοιες πλαστοπροσωπίες – χωρίς να στραφούν εναντίον των νόμιμων πελατών. Σε αυτό ακριβώς μπορούν να βοηθήσουν τεχνολογίες όπως το AI και το ML, λέει ο Dominic Venturo, εκτελεστικός αντιπρόεδρος και επικεφαλής της υπηρεσίας καινοτομίας της αμερικανικής τράπεζας

Μέσω ειδικών αλγορίθμων και της δυνατότητας επαναλαμβανόμενων ελέγχων σε πραγματικό χρόνο, μετην βοήθεια της Τεχνητής Νοημοσύνης, τα συστήματα ασφαλείας των τραπεζών μπορούν να ανιχνεύσουν πρότυπα συμπεριφοράς και κινήσεων που θα έπαιρναν υπερπολλαπλάσιο χρόνο για να το κάνει ένας άνθρωπος ή μια ομάδα ανθρώπων. 

Μέσα από αυτές τις διαδικασίες, αν για παράδειγμα το σύστημα ανιχνεύσει αγορές οι οποίες δεν είναι συνηθισμένες από το προφίλ κάποιου πελάτη, ή επαναλαμβανόμενες χρεώσεις υπηρεσιών, τότε “χτυπάει καμπανάκι” δίνοντας την δυνατότητα οι συναλλαγές αυτές να εξεταστούν περαιτέρω. 

Αυτές οι κινήσεις και επιβεβαιώσεις γίνονται εδώ και καιρό από τις τράπεζες, όμως οι περιορισμοί των ανθρώπινων δυνατοτήτων είναι τόσο μεγάλοι που κάνουν την ανάλυση των στοιχείων και την εξακρίβωση σχεδόν απαγορευτική. Ο συνδυασμός Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης από τις τράπεζες, εκτός από το τεράστιο όφελος στον χρόνο εξέτασης, προσφέρεται και στο υποπολλαπλάσιο κόστος, καθώς δεν απαιτεί μια “στρατιά” ακριβοπληρωμένων ειδικών για να ολοκληρωθεί. 

Get real time updates directly on you device, subscribe now.