هوش‌مصنوعی؛ مراقب سختگیر تقلب در تراکنش‌های بانکی!

رشد سریع تجارت الکترونیکی و دیجیتالی شدن فرایندهای مالی از جهات مختلف به نفع جامعه‌ی انسانی شد. اما همین رشد، خود می‌تواند عامل و بستری مخرب برای افزایش کلاهبرداری تلقی شود. همه ما می دانیم که در زمان همه‌گیری ‌19-COVID، حجم خریدهای دیجیتالی و به‌طبع آن کلاهبرداری و تراکنش‌های تقلبی رشدی انفجاری پیدا کرد. تراکنش‌های تقلبی از جمله مواردی هستند که با گذر زمان پیچیده‌تر می‌شوند. حال با توجه به اهمیت امنیت مالی در عصر دیجیتال امروز، این مقاله آیفا سعی دارد کاربرد هوش مصنوعی را برای حل این مشکلات را بررسی کند.

راهکارهای امنیتی معروف!

واضح است که بخشی از امنیت فرآیندهای مالی، متکی بر خود کاربران است. در این سطح، افراد باید سعی کنند که اطلاعات بانکی خود را با فروشندگان مشکوک هرگز به اشتراک نگذارند و مراقب باشند تا کارت‌های فیزیکی بانکی آن‌ها سرقت یا گم نشوند. همچنین، اگر کارت بانکی آن‌ها گم (یا سرقت) شد، این مورد را با باطل کردن کارت از طرف بانک مربوطه دنبال کنند تا از کلاهبرداری‌های بعدی جلوگیری شود. با این حال، بسیاری از افراد به محض گم شدن کارت‌های خود، آن‌ها را نمی‌سوزاننند! چرا که فرض می‌کنند حساب بانکی آن‌ها از طرف بانک محافظت می‌شود و تحت هیچ شرایطی توسط شخص دیگری استفاده نمی‌شود که این باور کاملا اشتباه است چون کسی که اطلاعات و هویت کارت اعتباری فردی را به سرقت برده در حال کلاهبرداری است! باید بدانید که آن‌ها در کار خود خبره هستند و ممکن است اصلا توجهی را به خود جلب نکند، زیرا از شماره کارت مجاز و اطلاعات افراد معتبر استفاده می‌کند. بنابراین لازم است که بانک‌ها فرآیندهایی را برای جلوگیری از کلاهبرداری مالی از مشتریان خود در نظر بگیرند. اما معمولا اکثر فرایندهای سنتی، تراکنش‌های مالی را به عنوان کلاهبرداری فرض می‌کنند تا تحت چند مرحله بازبینی فرض مربوطه را نامعتبر کنند. این کار برای آن دسته از مشتریانی که سعی در انجام تراکنش‌های معتبر دارند، مزاحمت ایجاد می‌کند. از طرفی دیگر، بانک‌ها باید با تهدیدات سریع، متغیر و پیچیده تخلفات مالی مانند پول‌شویی، تأمین مالی تروریسم و تقلب در پرداخت مبارزه کنند. با این وجود، متاسفانه سیستم‌های تصمیم‌گیری بشر و سامانه‌های سنتی دیگر به اندازه کافی برای تشخیص این کلاهبرداری‌ها، سریع و موثر نیستند.

هوش‌مصنوعی دست بکار می‌شود

یکی از راهبردهایی که امروزه بانک‌ها برای حل این مشکل دنبال می‌کنند، استفاده از تکنولوژی‌های هوش‌مصنوعی است. با استفاده از تکنولوژی هوش‌مصنوعی بانک‌ها می‌توانند تکنیک‌های در حال تغییر را بهتر تشخیص دهند. در حالی که شناسایی پول‌شویی اصلا کار آسانی نیست. توانایی هوش مصنوعی در نظارت بر هزینه‌ها و الگوهای سپرده‌گذاری در طول زمان می‌تواند کارکنان را از ناهنجاری‌ها آگاه کرده و پرداخت‌ها را قبل از تکمیل، مسدود کند. این الگوریتم‌ها می‌توانند از نقاط مختلف تراکنش، از مبدا تا مقصد نهایی آن، انحراف از الگوهای عادی تراکنش را شناسایی کنند.
امروزه از یادگیری ماشین می‌توان به عنوان یکی از پرکاربردترین تکنولوژی‌های هوش مصنوعی یاد کرد. طبق تعریف، یادگیری ماشین مبتنی بر الگوریتم‌هایی است که می‌توانند اطلاعات جدیدی را از داده‌های جمع‌آوری شده «یاد بگیرند». به عبارتی، راهبرد مبتنی بر داده‌های ثبت شده یک فرآیند را مدل‌سازی می‌کند. بنابراین، داده‌های ثبت شده از تراکنش‌های بانکی، که حاوی دانش‌های پنهان و نهفته هستند، می‌توانند به کمک این روش برای تشخیص کلاهبرداری مورد استفاده قرار گیرند. روش‌های یادگیری ماشین در استخراج این اطلاعات بسیار کارآمد و سریع هستند و حجم بالایی از داده‌ها را می‌توانند برای تحلیل پوشش دهند.

سرویس کشف تقلب مبتنی بر هوش مصنوعی

خاستگاه‌های قانونی سامانه

الزامات بالادستی موجود برای استقرار سامانه‌های کشف تقلب و شناسایی معاملات مشکوک مبتنی بر داده‌کاوی در مؤسسات مالی و اعتباری
پیش‌نویس قواعد انتشار یافته توسط بانک مرکزی و شرکت کاشف در شهریور 1399 در خصوص شناسایی عملیات مشکوک

لایه‌های معماری سامانه
این لایه‌ها به سه دسته آفلاین، نیمه‌آفلاین و آنلاین تقسیم می‌شوند.

آفلاین: بر اساس جمع و میانگین واریزها، برداشت‌ها و ... در دوره‌های زمانی روزانه، هفتگی، ماهانه و چند ماهه
نیمه آفلاین: برای تحلیل اطلاعات تراکنش‌هایی که بلافاصله پس از ثبت نهایی تراکنش در دسترس قرار می‌گیرد.
آنلاین: برای بررسی تراکنش‌ها و تشخیص جهش‌های نامتعارف بر اساس داده‌هایی از قبیل تاریخچه رفتاری

علاوه بر به‌کارگیری سند پیش‌نویس قواعد انتشار یافته توسط بانک مرکزی اعم از فاصله زمانی و مکانی تراکنش‌ها، قواعد فازی و معطوف به گذشته طراحی شده در سطح تیم هوش مصنوعی فناپ با همکاری شرکت داتین مورد استفاده قرار می‌گیرد و به این ترتیب، ناهنجاری‌های رفتاری کارت بر اساس پروفایل هر کارت بررسی و امتیاز احتمال مشکوک بودن تراکنش، محاسبه می‌شود.
پارامترهای این سامانه، ناظر به تعداد و حجم تراکنش‌ها و گردش مالی کارت‌های بانکی در مقاطع زمانی روزانه، هفتگی و ماهانه است و حسب مورد، آستانه‌های مجاز، توالی زمانی تراکنش‌ها، پراکندگی جغرافیایی و ضریب افت یا جهش موجودی کارت‌های بانکی را در درگاه‌های مجازی و فیزیکی، خودپردازها، پایانه‌های فروش و غیره رصد می‌نماید.

مزایای استفاده از هوش‌مصنوعی

در ادامه چند مورد از مزایای استفاده از هوش‌مصنوعی در تشخیص تقلب به صورت خلاصه ارائه می‌شود:

به دلیل دقت بالاتر و پیش‌بینی خودکار، زمان و هزینه جهت بازبینی هشدارها کاهش می‌یابد.
می‌تواند به سرعت با رفتارهای جدید تراکنش‌های تقلبی تطبیق داده شود و به بهبود واکنش‌ها نسبت به موارد مشکوک کمک کند.
در مقابل راهبردهای سنتی، می‌تواند موجب کاهش هشدارهای مشکوک اشتباه شود.
در پردازش مجموعه داده‌های کلان بهتر از انسان عمل می‌کند.

هوش‌مصنوعی از دید «فناپ»

با عنایت به اهمیت این موارد، تیم هوش مصنوعی فناپ اقدام به توسعه‌ی سرویس کشف تقلب هوشمند کرده است. این سامانه با استفاده از زیرساخت کلان‌داده امکان توزیع‌پذیری و مقیاس‌پذیری حجم بالای داده‌های بانکی را فراهم می‌کند. در طراحی این سامانه‌ی تشخیص تقلب از انواع روش‌های یادگیری ماشین (از جمله یادگیری نظارت شده و یادگیری بی نظارت) استفاده شده است. همچنین این سامانه قابلیت تشخیص ناهنجاری را نیز دارد. در واقع این ویژگی اقدام به شناسایی عدم تطابق الگوهای نابه‌هنجار از الگوهای بهنجار (از پیش مقرر شده) در یک پایگاه داده می‌کند. لازم است اشاره شود که هدف سامانه آیفا، تشخیص تقلب در تراکنش‌های مربوط به کارت‌های بانکی بوده، و علاوه بر قوانین ثابت بانک مرکزی (فاصله زمانی و مکانی تراکنش‌ها)، میزان ناهنجاری‌های رفتاری کارت را نیز بر اساس پروفایل هر کارت بررسی و امتیاز احتمال مشکوک بودن تراکنش محاسبه می‌کند.

با آیفا آشنا شوید!

با توجه به نقش مهم سرویس‌های هوش مصنوعی در ابعاد مختلف زندگی امروز، مجموعه فناپ به‌عنوان یکی از اعضای برتر سازمان نظام صنفی رایانه‌ای کشور و برخوردار از گواهینامه رتبه یک سازمان برنامه و بودجه کشور برای اجرا و مشاوره پروژه‌ها و طرح‌های انفورماتیک در زمینه‌های مختلف، بر اساس مسئولیت خود در زمینه حمایت و توسعه طرح‌های نوآورانه انفورماتیک در کشور، اقدام به توسعه سامانه‌های کاربردی به‌روز تحت برند «آیفا» نموده است که قابلیت هوشمندسازی فرآیندهای کسب‌وکارها و سازمان‌ها را دارد. سرویس‌های برچسب‌گذاری داده، پردازش تصویر و نویسه‌خوان (OCR)، پردازش زبان طبیعی، و کشف تقلب از جمله سرویس‌های موجود در شرکت فناپ هستند که در طراحی آن‌ها از به‌روزترین الگوریتم‌های یادگیری ماشین و هوش مصنوعی استفاده شده است و ساختار آن‌ها به گونه‌ای است که از انعطاف لازم برای اضافه شدن به سایر سیستم‌های نظارتی، مدیریتی، خدماتی و CRM برخوردار هستند. برای کسب اطلاعات بیشتر می‌توانید به وبسایت مرکز مطالعات و تحقیقات فناپ و همین‌طور صفحه مربوط به گروه هوش مصنوعی آیفا مراجعه کنید.

دانلود کاتالوگ سرویس‌های هوش مصنوعی آیفا

راه‌های ارتباطی با ما:

Instagram: aifa.pod

· Linkedin: fanap-aifa

· Website: research.fanapsoft.com

· Email: Fanapsoft.research@fanap.ir