Статус кво
В 2014 году Европейский центральный банк подсчитал, что общая сумма денег еврозоны, потерянных из-за мошенничества, составила около 1,33 миллиарда евро. 60% этих денег было потеряно из-за мошеннических интернет-транзакций. Новые виды криминальной практики, неэффективные системы обнаружения мошенничества и огромные суммы денег вдохновили нас на разработку технологии машинного обучения для более эффективной борьбы с этой растущей тенденцией к мошенничеству.
Исторически интернет-магазины полагались на упрощенные правила принятия решений о транзакциях для борьбы с мошенничеством, и они по-прежнему проверяют значительную часть транзакций вручную. В последнее время специализированные поставщики услуг по борьбе с мошенничеством используют в своих продуктах методы искусственного интеллекта, которые можно интегрировать со сторонними платежными системами. Однако Dimebox предлагает комплексное решение для платежей и защиты от мошенничества.
Самообучающееся решение
Машинное обучение — это ветвь искусственного интеллекта, целью которой является обнаружение закономерностей и предоставление важной информации путем создания алгоритмов самообучения. Цель состоит в том, чтобы разработать алгоритмы, не требующие явного программирования, научиться находить закономерности, наблюдая за большими объемами данных. Будь то распознавание изображений, перевод текста или предсказание мошенничества, программирование компьютеров для решения определенных задач больше не требуется. Теперь компьютеры могут выявлять схемы мошенничества без вмешательства человека.
В Dimebox машинное обучение является важным аспектом нашей стратегии управления рисками. В прошлом алгоритмы обнаружения мошенничества могли обнаруживать мошенничество только в соответствии с предопределенными правилами, которые часто были грубыми; например, внесение в черный список целых стран или требование совпадения адресов доставки и выставления счетов. Этот запрограммированный подход оказался недостаточным, поскольку мошенники постоянно совершенствуют свои методы и меняют свои привычки, а законные клиенты не готовы мириться с отклоненными транзакциями.
Системы противодействия мошенничеству должны выйти за пределы этих устаревших методов, которые громоздки в управлении и слишком медленны для адаптации к новым схемам мошенничества и изменению поведения клиентов. Основное внимание необходимо уделять созданию быстрых и динамичных систем, которые постоянно автоматически адаптируются к новым схемам мошенничества и поведению клиентов в режиме реального времени.
Увеличение конверсий при блокировке мошенничества
Компания Dimebox разработала гибкую структуру машинного обучения, которая адаптируется к постоянно меняющимся видам мошенничества, тем самым контролируя мошенничество по мере его развития. Что еще более важно, он обеспечивает беспрепятственный процесс оплаты для законных клиентов, не подвергая их произвольным правилам. Самообучающаяся модель определяет нормальное и ненормальное поведение, постоянно анализируя исторические данные о транзакциях, что означает, что покупки не будут блокироваться без уважительной причины, что максимизирует доход и прибыльность.
Опережая игру
Благодаря обучению машин самостоятельно обнаруживать мошенничество, гораздо меньше транзакций необходимо проверять вручную, что помогает нашим клиентам экономить драгоценное время и ресурсы, которые можно лучше использовать для развития своего бизнеса. Более того, они получают выгоду от передовой и динамичной системы, которая постоянно обучается, опережая возникающие тенденции мошенничества и обеспечивая максимальное удовлетворение клиентов.
