كيف تكتشف البنوك العمليات الاحتيالية لتحمي أموالنا ؟

  من الممكن أن تقوم بإجراء معاملة مالية واحدة على الأقل كل يوم ، ولكن هل تساءلت يومًا عن كيفية قيام البنوك بحماية أمن تلك العمليات؟

نقوم بتسجيل الدخول إلى حساباتنا عبر الإنترنت ويتم طرح سلسلة من الأسئلة من قِبل موقع الويب AI ، خاصةً عندما نحاول تنفيذ معاملة كبيرة. بالنسبة للبعض ، يمكن أن تكون هذه العملية مملة. ومع ذلك ، تقوم البنوك بذلك لتزويدنا بخدمة أفضل وللتأكد من أن مصالحنا آمنة.

يعد فحص هذه العمليات نشاطًا لا يستطيع لموظف بمفرده القيام بها ، لأن تدفق البيانات كبير للغاية. لهذا السبب وجب اللجوء إلى الأنظمة الآلية التي تسهل هذا العمل.

من خلال الأنظمة الآلية ، لا نشير إلى البرامج الذكية البسيطة ، بل نتحدث عن الخوارزميات القائمة على التعلم الآلي. فرع من فروع الذكاء الاصطناعي يكتسب قيمة في هذا القطاع.

ابتكر “مالو فان دن بيرج” وفريق علم البيانات التابع له من وحدة الابتكار والتصميم في بنك ABN AMOR ، وهو بنك هولندي ، نظامًا يساعد على إدراك العمليات غير المعروفة في المعاملات المالية. يقول المطور: “إننا نرى أيضًا أنماطًا وأشياء لم نرها من قبل”.

ولكن ما الذي يعتمد عليه النموذج الذي طوره فريق ABN AMOR؟ يعتمد تشغيله على Machine Learnig ، أي أنه بينما يحلل النظام العمليات ، فإنه يدرس سلوكها. الوضع الذي يسمح للبنوك بتوقع سلوك العملاء واكتشاف الاحتيال في معاملاتهم. في هذا الصدد ،  يقول “مالو فان دن بيرغ”  :

“إذا كان الذكاء الاصطناعي الخاص بنا يشير إلى معاملة على أنها انحراف عن نمط العميل العادي ، فإننا نكتشف السبب. بناءً على المعلومات المتاحة ، نتحقق مما إذا كانت المعاملة تنحرف عن النمط العادي للعميل. إذا لم يوفر التحقيق توضيحًا بشأن الدفع ، فيمكننا التشاور مع العميل وطلح عليه عدة أسئلة  حتى يتم التأكد أنه هو الذي يقوم بهذه العملية “.

  أنه إذا كان الشخص قد أمضى شهورًا وسنوات في تنفيذ عمليات بمبالغ منخفضة نسبيًا ، فلن يتمكن بين عشية وضحاها من إجراء معاملات بمبالغ كبيرة من المال. هذا شيء يأخذه الذكاء الاصطناعي للنموذج في الاعتبار وعند إدراكه ، يخطر على الفور أي تغيير في نمط السلوك.

وبالتالي ، تكتشف البنوك الأنشطة المشبوهة داخل أنظمتها الأساسية ، باستخدام خوارزميات التعلم الآلي.