في وقت مبكر من بداية الألفية ، تم استخدام برامج الكمبيوتر للكشف عن الاحتيال. ومع ذلك ، فإن عالمًا جديدًا شجاعًا قادم إلى التجارة المالية. يطلق عليه الذكاء الاصطناعي أو التعلم الآلي وسيحدث البرنامج ثورة في طريقة اكتشاف المؤسسات المصرفية للاحتيال والتعامل معه.
يعلم الجميع أن الاحتيال يمثل مشكلة كبيرة في الخدمات المصرفية والمالية. لقد كان كذلك لفترة طويلة. ومع ذلك ، فإن جهود البنوك والمؤسسات المالية الأخرى اليوم لتحديد ومنع الاحتيال تعتمد الآن على طريقة مركزية للوائح تعرف باسم قاعدة بيانات مكافحة غسيل الأموال (AML).
يحدد AML الأفراد الذين يشاركون في المعاملات المالية المدرجة في قوائم العقوبات أو الأفراد أو الشركات الذين تم تصنيفهم كمجرمين أو أشخاص ذوي مخاطر عالية.
كيف يعمل AML
لنفترض أن كوبا مدرجة في قوائم العقوبات وأن الممثلة كوبا جودينج جونيور تريد فتح حساب جاري في أحد البنوك. فورًا ، نظرًا لاسمه ، سيتم تمييز الحساب الجديد على أنه احتيالي.
كما ترى ، يعد اكتشاف الاحتيال الحقيقي مهمة معقدة للغاية وتستغرق وقتًا طويلاً ويمكن أن تؤدي إلى نتائج إيجابية زائفة ، مما يتسبب في الكثير من المشاكل للشخص الذي تم تحديده بشكل خاطئ وكذلك للمؤسسة المالية التي قامت بالتعريف الزائف.
هذا هو المكان الذي يأتي فيه التعلم الآلي أو الذكاء الاصطناعي. يمكن للتعلم الآلي منع هذا التحديد الإيجابي الكاذب المؤسف ، وتوفر البنوك والمؤسسات المالية الأخرى مئات الملايين من الدولارات في العمل الضروري لإصلاح المشكلة بالإضافة إلى الغرامات الناتجة.
كيف يمكن للتعلم الآلي منع الإيجابيات الكاذبة
المشكلة للبنوك وغيرها المؤسسات المالية هو أن المعاملات الاحتيالية لها سمات أكثر من المعاملات المشروعة. يتيح التعلم الآلي لبرنامج الكمبيوتر إنشاء خوارزميات بناءً على بيانات المعاملات التاريخية بالإضافة إلى معلومات من معاملات العملاء الأصلية. تكتشف الخوارزميات بعد ذلك الأنماط والاتجاهات المعقدة للغاية بحيث يتعذر على محلل الاحتيال البشري أو نوع آخر من الأساليب الآلية اكتشافها.
يتم استخدام أربعة نماذج مختلفة تساعد الأتمتة المعرفية في إنشاء الخوارزمية المناسبة لمهمة محددة. فمثلا:
- الانحدار اللوجستي هو نموذج إحصائي يبحث في المعاملات الجيدة لمتاجر التجزئة ويقارنها بطلبات رد المبالغ المدفوعة. والنتيجة هي إنشاء خوارزمية يمكنها التنبؤ بما إذا كان من المحتمل أن تصبح معاملة جديدة عملية رد مبالغ مدفوعة.
- شجرة القرار هو نموذج يستخدم القواعد لأداء التصنيفات.
- غابة عشوائية هو نموذج يستخدم أشجار قرارات متعددة. يمنع الأخطاء التي يمكن أن تحدث إذا تم استخدام شجرة قرار واحدة فقط.
- الشبكة العصبية هو نموذج يحاول محاكاة كيف يتعلم الدماغ البشري وكيف يرى الأنماط.
لماذا يعد التعلم الآلي هو أفضل طريقة لإدارة الاحتيال
أصبح تحليل مجموعات البيانات الكبيرة طريقة شائعة للكشف عن الاحتيال. البرامج التي تستخدم التعلم الآلي هي الطريقة الوحيدة لتحليل البيانات المتعددة بشكل مناسب. إن القدرة على تحليل الكثير من البيانات ، والرؤية بعمق فيها ، وعمل تنبؤات محددة لأحجام كبيرة من المعاملات هي السبب في أن التعلم الآلي هو وسيلة أساسية لاكتشاف ومنع الاحتيال.
تؤدي العملية إلى تحديدات أسرع ، وتسمح بنهج أكثر كفاءة عند استخدام مجموعات بيانات أكبر وتوفر خوارزميات للقيام بكل العمل.
