למידת מכונות וחדרת הדוי באיתור הונאה מהדור הבא

מְחַבֵּר: Roger Morrison
תאריך הבריאה: 19 סֶפּטֶמבֶּר 2021
תאריך עדכון: 21 יוני 2024
Anonim
למידת מכונות וחדרת הדוי באיתור הונאה מהדור הבא - טכנולוגיה
למידת מכונות וחדרת הדוי באיתור הונאה מהדור הבא - טכנולוגיה

תוֹכֶן


מקור: Ajv123ajv / Dreamstime.com

להסיר:

איתור הונאה תמיד היה בראש סדר העדיפויות בענף הבנקאות, אך עם תוספת של כלים מודרניים כמו Hadoop ולמידת מכונות, זה יכול להיות מדויק מתמיד.

גילוי ומניעת הונאה הוא כאב אמיתי לתעשיית הבנקאות. התעשייה מוציאה מיליונים על טכנולוגיות להפחתת הונאה, אך מרבית המנגנונים הנוכחיים מבוססים על נתונים היסטוריים סטטיים. וזה מסתמך על התאמת דפוסים וחתימות על סמך נתונים היסטוריים אלה, כך שמעשי הונאה לראשונה הם קשים מאוד לאיתור ויכולים לגרום לאובדן כספי רב. הפיתרון היחיד הוא ליישם מנגנון המבוסס על נתונים היסטוריים וגם על נתונים בזמן אמת. כאן נכנסים לפעולה פלטפורמת Hadoop ולמידת מכונות.

הונאה ובנקים

בנקים חשופים מאוד להונאה, שכן הונאה היא הגורם העיקרי שלהם להפסד כספי. הערכה עולה כי יותר מ 1.7 טריליון דולר הולכים לאיבוד מדי שנה בגלל הונאה בבנקים. כדי למנוע זאת בנקים מוציאים כסף רב על מניעת הונאה. עם זאת, הם לא מוציאים הרבה על הגנה על עצמם. לפיכך, הטכנולוגיות הקיימות כיום מצוידות בבנקים אינן מספיק חזקות. עם זאת, נתונים גדולים ולימוד מכונות יכולים לעזור להחדש את המערכת הנוכחית ולהפחית את ההונאה לרמות לשפל של כל הזמנים.


לגישות הנוכחיות לגילוי הונאה יש המגבלות הבאות:

במקרה של שיטות קיימות למניעת הונאה, יש צורך בעדכון נאות של האלגוריתם לפי המקרים האחרונים של הונאה. עם זאת, לעתים קרובות מודלים אלה מתעדכנים מדי שנה מכיוון שהעלות והזמן הנדרש הם כה גדולים. קשה מאוד גם לגזור אלגוריתם מדויק ולהשתמש בו. לכן, אם האלגוריתם לא מתעדכן באופן קבוע, הונאה עלולה להתעלם עד ליישום האלגוריתם החדש יותר, שעשוי להיפרס חודשים ואף שנים אחר כך.

אתה לא יכול לשפר את כישורי התכנות שלך כאשר לאף אחד לא אכפת מאיכות התוכנה.


כיצד למידת מכונה בהאדוף יכולה למנוע הונאה?

עיבוד כמויות גדולות של נתונים היה אמור להיות משימה הרקולאית, אך עם כניסתם של נתונים גדולים, נוצרו כמה יישומי עיבוד נתונים מהירים וחזקים יותר. אחד החזקים ביישומים אלה הוא פלטפורמת Hadoop. Hadoop הוא חזק ביותר בגלל תכונת MapR המאפשרת לו לעבד בקלות כמויות גדולות של נתונים בזמן אמת, ובזול מאוד בכך.

מכיוון שהאדופ יכול לעבד בקלות כמויות גדולות של נתונים בבת אחת, ניתן להשתמש בהם כדי לעבד את כל רשומות העסקה וההחתמות הישנות יותר, ולעשות מודל מתמטי מדויק במיוחד. ניתן להשתמש בפרטי העסקה הללו גם לחילוץ חתימות, אשר יאפשרו לבנק ליירט עסקאות הונאה לראשונה. עם זאת, השאלה שעולה כעת היא באיזה כלי ניתן להשתמש לעיבוד הנתונים ולמציאת אלגוריתם מושלם?


כלים למניעת הונאת בנקים

עם העלייה בהונאות בנקאיות, יישום טוב לניהול הונאה הוא צורך השעה. אחד הכלים הללו הוא Skytree. Skytree היא למעשה פלטפורמת לימוד מכונה מיוחדת שמבטיחה להציע דיוק וביצועים גבוהים, גם כאשר הבעיה היא עיבוד רשומות נתוני עסקאות בנקאיות. זה מבוסס על אשכולות הנתונים מסוג Hadoop מסוג Hadoop, שמבטיח עיבוד נתונים גדולים בזמן אמת. זה גם יכול להשתמש במגוון גדול של נהלי למידת מכונות, כולל שיטות מפוקחות ולא מבוקרות. בגלל נהלים כה יעילים של למידת מכונות, Skytree מסוגלת להפסיק עסקאות הונאה בעזרת מודל מתקדם ואף להפסיק הונאות ראשונות על בסיס יכולתה ליירט עסקאות חשודות. Skytree יכול לבחור באופן אוטומטי את המידע הטוב ביותר ולהשתמש בו כדי ליצור מודל מדויק ביותר. זה יכול בקלות לנתח כמויות גדולות של נתונים, כך שיהיה קל יותר לעדכן את המודל הנוכחי בעזרתו.

חסרונות של למידת מכונות

למידת מכונה עשויה להיות פיתרון חזק מאוד לגילוי הונאה, אך גם זה יכול להיות אתגר גדול. הרעיון קשור ישירות לבינה מלאכותית. העובדה שהמכונות שלנו יקבלו עבורנו את ההחלטות עשויה לעורר השלכות מוסריות. עם זאת, אין צורך לדאוג, שכן האפליקציה תעבוד עבורנו ותקבל את ההחלטות הטובות ביותר כאשר היא מפוקחת על ידי עובד אנושי. היה סמוך ובטוח, למידת מכונות תפיק טכניקות למניעת הונאה חכמות יותר ותסייע במניעת אובדן כסף בעתיד.

סיכום

היישום הטוב ביותר לניהול הונאות חייב להיות חזק, מהיר ומדויק ועליו להסתגל למגוון מצבים. כדי להשיג זאת, על היישום להיות מסוגל לפטר את פרטי העסקה ואת חתימותיהם תוך שמירה על מסד הנתונים מעודכן עם סוגי ההונאה החדשים ביותר. רק פלטפורמה המבוססת על Hadoop תוכל לעשות זאת, מכיוון שפלטפורמות המבוססות על Hadoop הן אפליקציות למידת מכונות מהירות במיוחד שיכולות לתמוך בסוגים רבים ושונים של אלגוריתמי למידת מכונה. יחד עם זאת, גם פלטפורמות מבוססות Hadoop מדויקות מאוד, כך שהן יכולות בקלות למנוע מקרים רבים של הונאות מפני שהן יכולות לאתר הונאות בזמן אמת. המשמעות היא שאם אפליקציה ייעודית ללימוד מכונות נמצאת לצידו של הבנק, לבנק זה יש הכוח להיות כמעט בלתי פגיע להונאה!