Машинное обучение — модное словечко для предотвращения мошенничества, но всегда ли оно является лучшим инструментом для бизнеса?

Глядя на 10 лучших вариантов использования машинного обучения Forbes, вы найдете отрасли, которые вас не удивят.

Давно известно, что самоуправляемые автомобили, поисковые рекомендации и финансовая торговля эффективно зависят от машинного обучения. Но вы также заметите, что 3 элемента на нем связаны с безопасностью. А именно: безопасность данных, личная безопасность и обнаружение мошенничества.

Кажется, что технология машинного обучения особенно эффективна в этих областях. Алгоритмы знают, как искать шаблоны в данных, извлекать их и применять правила, которые со временем уточняются.

Означает ли это, что вы можете просто пойти дальше и инвестировать в ML (машинное обучение), чтобы решить все свои задачи по обнаружению мошенничества? Не обязательно.

Где машинное обучение лучше всего работает против мошенничества

С машинным обучением ваше первое непосредственное преимущество — это возможность обрабатывать огромные объемы данных. Ни один человек не смог бы просмотреть столько транзакций, регистрационных данных и IP-адресов, сколько компьютер. И если с годами объем будет увеличиваться, машины все равно смогут их обрабатывать, не моргнув (цифровым) веком.

Это означает способность распознавать закономерности, которые люди могут изначально не замечать. В техническом плане речь идет о анализе матрицы путаницы, и он может работать с любыми данными, от валюты до возрастных групп. Например, система машинного обучения для защиты от мошенничества может учитывать разрешение браузера, чтобы помечать подозрительные значения (поскольку мошенники с партнерскими ссылками загружают контент с сайтов с невидимыми фреймами). Это был бы гениальный ход для менеджера по мошенничеству, но легкая прогулка для машины.

Точно так же алгоритмам не нужны перерывы, каникулы или сон. Мошеннические атаки могут происходить круглосуточно и без выходных, но даже лучшие менеджеры по мошенничеству могут прийти на работу в понедельник утром с невыполненными ручными проверками. Машины могут упростить процесс, отсортировав очевидно мошеннические или допустимые случаи.

Как именно искусственный интеллект помогает в обнаружении мошенничества

В качестве конкретного примера того, как использовать машинное обучение для обнаружения мошенничества, давайте рассмотрим бизнес, который обрабатывает онлайн-платежи. К сожалению, вы обязательно увидите много мошеннических транзакций. Но каждая транзакция сопровождается данными, в том числе данными о поведении пользователей. Эти данные проходят через правила риска, которые рассчитываются в режиме реального времени. Эти правила выдают баллы, которые могут быть проанализированы учеными данных или группой риска.

Что становится интересным, так это когда модель машинного обучения начинает предлагать правила, основанные на исторических данных. Алгоритмы машинного обучения также могут работать в режиме реального времени, предлагая, какие параметры проверять, и повышать точность оценок риска, которые затем используются для обнаружения мошенничества и мошенничества с платежами.

Почему человеческие знания незаменимы

Говоря о ручных проверках, вы всегда получаете такие случаи, которые попадают в серую зону. Здесь лучшие алгоритмы не могут помочь. Вам всегда понадобится человеческий контроль, чтобы решить, имеете ли вы дело с ложноположительным или отрицательным результатом.

Менеджеры по мошенничеству также получают выгоду от понимания своей отрасли. Они могут накапливать внешние знания, читая о последних тенденциях, и соответствующим образом подготавливать свои методы обнаружения.

И последнее, но не менее важное: машинное обучение бесполезно, если оно не направлено на правильные вопросы. Алгоритмы нуждаются в обучении, а это также означает получение доступа к данным для обогащения их шаблонов обнаружения. Только лучшие фрод-менеджеры будут знать, какие данные важны, например, отпечатки пальцев устройства, электронная почта или IP-адрес и т. д.

Преимущества объединения обоих в гибридную систему

С постоянно новыми векторами атак, которые нужно отражать, перед менеджерами по борьбе с мошенничеством стоит сложная задача: удерживать низкие накладные расходы, бороться с преступниками и оправдывать свои решения перед руководителями. Легко понять, почему добавление решения машинного обучения в их рабочий процесс может упростить задачу, предоставляя им достаточный контроль:

  • Возможность определять пользовательские правила. Это не то, что может делать машинное обучение, но правильная система должна позволять им адаптировать правила к своим потребностям.
  • Используйте преимущества белого и черного списков: аналогично предыдущему пункту, не то, что система машинного обучения может реализовать для них.
  • Отметить подозрительных пользователей, которые еще не совершали мошенничества: исходя из своего опыта, лучшие менеджеры по борьбе с мошенничеством должны быть в состоянии предвидеть потенциальные мошеннические атаки со стороны ничего не подозревающих пользователей.
  • Полный контроль над системой: одним из наиболее важных моментов для менеджеров по борьбе с мошенничеством является возможность использовать автоматизацию, не отказываясь от контроля над системой. Хорошее гибридное решение должно позволять одно без ущерба для другого.
  • Освобождение времени и ресурсов: менеджеры по борьбе с мошенничеством должны делать гораздо больше, чем просто принимать решения «да» или «нет» в течение всего дня. Для банковских учреждений и многих других отраслей они должны подавать документы, чтобы оправдать пометку мошеннических пользователей — автоматизация высвобождает время для выполнения этих задач без обременения.

Вывод

Хотя машинное обучение для борьбы с мошенничеством не может существовать в вакууме и внедряться без надлежащего контроля, оно, безусловно, может облегчить работу менеджеров по борьбе с мошенничеством. Благодаря быстрому принятию решений, лучшему и более точному обзору шаблонов и аномалий система мошенничества на основе ИИ высвободит много ресурсов.

Короче говоря, машины великолепно обрабатывают и запоминают знания; люди по-прежнему лучше его применяют. Вот почему сочетание понимания и машинного обучения для борьбы с мошенничеством не только повысит эффективность вашего обнаружения, но и поможет улучшить ее с течением времени.

Первоначально опубликовано на https://seon.io 8 июня 2018 г.