Не знать своих клиентов дорого. Власти продолжают настаивать на том, чтобы банки разработали более строгие процедуры знай своего клиента (KYC), и они готовы сильно ударить банки по карману. Например, штраф Deutsche Bank в размере 630 миллионов долларов за неспособность предотвратить отмывание денег в России на сумму 10 миллиардов долларов показывает, насколько калечащими могут быть наказания. Помимо угрозы штрафов, банки сталкиваются с прямыми потерями от финансовых преступлений: в 2016 году банк Бангладеш пострадал в размере 81 миллиона долларов, когда мошеннические транзакции были совершены через сеть Swift.

Фирмы ищут новые технологии, чтобы усилить свою защиту и избежать огромных штрафов. Машинное обучение (ML) играет важную роль в этом толчке — алгоритмы ИИ могут обнаруживать аномалии в данных и помечать их для привлечения внимания человека.

Однако эти алгоритмы не так умны, как часто утверждают их сторонники. Один глава отдела финансовых преступлений сослался на алгоритм мошенничества, который помечал все транзакции на сумму свыше 10 000 фунтов стерлингов для дальнейшего расследования людьми. Как и ожидалось, при дальнейшем анализе было обнаружено большое количество транзакций на сумму 9 999 фунтов стерлингов, но алгоритм оказался недостаточно умным, чтобы обработать это непреднамеренное последствие.

Люди продолжают перехитрить машины, по крайней мере, на данный момент…

Простые правила, которые не учитывают поведение участников, всегда терпят неудачу. .По-прежнему невозможно внедрить политику в сложную адаптивную систему, не изменив стимулы и поведение игроков в этой системе. Так что копы и грабители продолжают гонку вооружений.

Именно здесь машинное обучение достигает своих ограничений — оно основано на анализе прошлого — оно ничего не может сказать об изменениях, вызванных будущим.

Войдите в симуляцию.

Имитационное моделирование, и, в частности, агентное моделирование, является доминирующей парадигмой моделирования для изучения сложных адаптивных систем. Эти модели явно учитывают поведение отдельных лиц, составляющих систему. Эти агенты могут адаптироваться к изменениям в системе, приобретая новое поведение по мере изменения среды, в которой они живут.

Представьте себе очень простую модель на основе агентов с двумя типами агентов:

  • Клиенты
  • Торговцы

Мы могли бы кодифицировать правила поведения агентов на основе данных, наблюдаемых в полевых условиях. Это может включать создание различных типов агентов, использующих ряд мошеннических стратегий, наблюдаемых в реальном мире. Затем мы можем смоделировать миллионы примеров агентов, пытающихся предпринять мошеннические действия, чтобы полностью проверить наши методы обнаружения мошенничества. Существуют ли определенные стратегии, против которых наша политика слаба? Существуют ли примеры того, как агенты просто обходят стратегии обнаружения? Сколько агентов размещают транзакции на сумму 9 999 фунтов стерлингов, а не 10 000 фунтов стерлингов?

Представьте, что у вас есть возможность обнаруживать мошенничество на стероидах. Симуляция различных агентов, использующих ряд мошеннических стратегий, наблюдаемых в реальном мире, а затем запуск этих операций миллионы раз — это ключ к тестированию наших методов и формированию надежных стратегий.

Синтетические данные, генерируемые этим моделированием, могут использоваться для разработки более эффективных стратегий обнаружения мошенничества, чем просто полагаться на то, что было обнаружено и наблюдалось в прошлом. Помимо перспективного подхода, также нет необходимости полагаться на конфиденциальные данные.

В более футуристическом плане методы моделирования на основе агентов можно было бы даже улучшить за счет наличия интеллектуальных агентов, которые «награждаются» за успешное совершение мошенничества и «наказываются» за то, что их поймали. Это аккуратное применение глубокого обучения с подкреплением, которое в настоящее время является одним из самых многообещающих методов в области искусственного интеллекта. Эти агенты быстро научатся в смоделированной среде разрабатывать новые мошеннические стратегии — возможно, такие, которые еще не придумал ни один человек, — которые выведут банки на передовые позиции в борьбе с финансовыми преступлениями.

Предоставление банкам возможности перехитрить их собственные стратегии обнаружения даст им преимущество перед мошенниками и, возможно, даже позволит им раз и навсегда выиграть гонку вооружений.