این پست مربوط به تشخیص کلاهبرداری در صنعت بیمه، بانکداری و ... می باشد. همانطور که میدانید به صورت سنتی یک کارشناس بیمه یا متخصص بانک، اطلاعات ورودی را بررسی کرده و از طریق پیدا کردن ارتباطات بین داده های ثبت شده مثل، تصویر شخص مالک حساب بانکی (یا یک وسیله در صنعت بیمه) با اطلاعات جدیدی که در حال حاضر موجود هست (مثل برداشتهای بانک از حساب یا تصویر طرح مراجعه کننده به بیمه و موارد مشابه)، موارد تقلب مثل صحنه سازی، مخدوش کردن اسناد و مدارک، هک کردن حساب ها ، کلاهبرداری اینترنتی فیشینگ و غیره را تشخیص می‌دهد.
یکی از کاربرد های هوش مصنوعی استفاده از این تکنولوژی تشخیص تقلب در موارد مختلف مثل ساعت بانک و بیمه است. برای این کارت هوش مصنوعی با داشتن داده های کاربران از قبیل تصاویر تعداد دفعات استفاده از حساب یا حمایت بیمه ویژگی های اجتماعی یا شغلی یک فرد احتمال تقلب در ارتباط این فرد با صنعت بیمه و یا بانک را تشخیص می دهد.
برای پیدا کردن بخشی از الگوریتم های هوش مصنوعی برای تشخیص تقلب در این دو صنعت، ابتدا باید تگ مناسب این کار را پیدا کنیم یکی از روش های سریع پیدا کردن این پیدا کردن مقالات و پروژه های متن باز مربوط به این کار است. تگ انگلیسی مناسب این جستجو AI vs Fraud Detection می باشد، که برای مثال نتیجه جستجوی گوگل رو با این تک در عکس زیر می توانید مشاهده کنید.
در این رابطه با دیدن این ویدیو ها و مطالعه پست های انگلیسی مرتبط شما می توانید با اطلاعات مربوط به این صنعت و این تکنولوژی آشنا شوید. احتمالا استفاده از ویدیوهای YouTube برای این کار، تا حد زیادی در وقت و میزان انرژی مورد نیاز برای پردازش اطلاعات در مغز شما،صرفه جویی خواهد کرد!. مثلا ویدیوهای لینک زیر اطلاعات مفیدی در این زمینه ارایه می دهند:
Fraud Detection and Risk Modeling with AI
همچنین ویدیویی زیر اطلاعات بیشتری در مورد پیدا کردن پروژه های هوش مصنوعی و اجرای سریع آنها، تکنیک های خاصی برای درک بهترین صورت مسئله، صرفه جویی در زمان و انرژی، به شما ارائه می دهد:
در ادامه برخی از پروژه های آماده هوش مصنوعی برای اجرا و تست در لینک ها و تصاویر زیر معرفی گردیده است:
site:kaggle.com Fraud Detection
site:colab.research.google.com Fraud Detection
site:paperswithcode.com face image Fraud Detection
امیدوارم که اطلاعات این پست، باعث استفاده از این تکنیک ها در صنعت بانکداری و بیمه این منطقه، شده و در زمینه حذف پرینت های کاغذی دستگاه های کارتخوان در مغازه ها و یا عابربانک های این منطقه شده و از هدر رفت سرمایه های طبیعی (نابودی درختان و ...) و سرمایه های ریالی این منطقه، جلوگیری نماید.
در این رابطه من با نگاهی به آمار اولیه در مورد میزان هزینه کاغذ مصرفی برای کارتخوان های کشور در یک ماه به عدد 38،000،000 ( ۳۸ میلیون ) رول کاغذ پرینتر، با هزینه 106،001،000 تومان در ماه رسیدم که نحوه محاسبه، انجام شده در شکل زیر قابل مشاهده می باشد:
همچنین لینک های مرجع برای محاسبه بالا در زیر قابل مشاهده می باشند:
آماری وحشتناک از رسید کارتخوان‌های بانکی
کاغذ پرینتر حرارتی مدل 20-POS بسته 20 عددی
در 6 ماه چند هزار کیلومتر کاغذ مصرف کردیم؟/ هزینه خرید رول کاغذ کارتخوان ها
بر این اساس می توان از طریق جذب تیم کاری ای برای ترکیب دو طرح زیر (در یک گروه واتس اپی مانند این)، بوم کسب و کار Busiiness Plan ای، برای این طرح آماده نمود:
حذف یا کاهش مصرف کاغذ پرینتر کارتخوان
تشخیص تقلب در سیستم بانکداری و بیمه
همچنین،برای اجرایی تر شدن این طرح و جذب سریعتر همکاری های مالی و ...، شاید پیشنهاد زیر برای این کار جالب ناک باشد!:
جایزه ای ماهیانه ای برابر با ارزش کاغذ ماهیانه مصرف شده در کارتخوان های کشور (مثلا ۱۰۶ میلیون تومان) برای ۲۰ برنده (۱۰ اشخاص حقوقی و ۱۰ شخص حقیقی)
یا
جایزه ای ماهیانه ای برابر با ارزش سود حاصله ماهیانه ی ناشی از به کار بردن الگوریتم های هوش مصنوعی کشف تقلب در صنعت بیمه و بانکداری برای ۲۰ برنده (۱۰ اشخاص حقوقی و ۱۰ شخص حقیقی)
و استفاده از الگوریتم های هوش مصنوعی موجود، برای کاهش میزان تقلب در حساب های بانکی و بیمه مانند کدهای زیر یا ...:
Classification on imbalanced data
데이터 출처: Credit Card Fraud Detection
Credit Card Fraud Detection (kaggle Project)
و تامین مبلغ سرمایه مورد نیاز برای این جایزه از طریق بستن قراردادی با صنعت بیمه و دریافت درصدی از سود حاصله از کشف تقلب در بیمه ها یا حساب های هک شده افراد در سیستم بانکی و تخصیص این جایزه از طریق قرعه شی ماهیانه ای برای علاقه مندانی با شرایط زیر :
بخش های معرفی الگوریتم های هوش مصنوعی، محاسبات مالی و موراردی مانند اشتباهات تایپی، احتمالا در آینده، بروزرسانی و بهبود پیدا خواهد کرد.
البته با قرار دادن کاغذ های چاپ شده روی یک اسکناس ۵ هزار تومانی، شاید ابعاد این فاجعه و بی مسولیتی اعضای جامعه در حفظ این موهبت طبیعی (درختان) برای فرزندان و سایر گونه های موجود در کره زمین، بیشتر قابل درک گردد:
در این محاسبات با در نظر گرفتن حدود ۲ میلیارد و ۳۰۰ میلیون تراکنش در تیرماه سال ؟؟ و با فرض دریافت رسید برای نصف این تراکنش ها، به نتیجه ای معادل آتش زدن ماهانه حدود ۲۳۰ میلیون برگه کاغذ معمولی در ابعاد یک اسکانس ۵ هزار تومانی، می رسیم!.
این مقایسه برای نشان دادن ابعاد ضرری می باشد که به حساب اشخاص یا سازمان ها و در نهایت به کل اکو سیستم زمین در این منطقه وارد می گردد، همچنین این وضعیت در اینجا بیشتر مورد بررسی قرار گرفته است:
که با توجه به انتخابی بودن امکان حذف کاغذ پرینت در کارتخوان ها یا امکان کار با بانکهایی با استاندارهای بالاتر و سایر روشهای قابل اجرا ...
با تشکر
