Behaviorální sítě prevencí proti finanční kriminalitě

„Význam tohoto vývoje přesahuje rámec řešení podnikové prevence finanční kriminality. Je to skutečně nová generace strojového učení,“ uvedl Dave Excell, zakladatel společnosti Featurespace.

Technologie hlubokého učení má řadu využití, například při zpracování přirozeného jazyka pro predikci dalšího slova ve větě, avšak její použití při prevenci podvodů při detekci kartových a platebních podvrhů dosud nepřinášelo zamýšlené výsledky. Nyní však, s novou architekturou, by mělo být schopné uchránit společnosti a spotřebitele před platebními a kartovými podvody.

Problém, který nová technologie řeší, je fakt, že transakce jsou přerušované, přičemž kontextové chápání času je kritické pro předvídání chování. Budování efektivních modelů strojového učení pro prevenci podvodů dříve vyžadovalo, aby datoví vědci disponovali hlubokými znalostmi umožňujícími identifikaci a výběr vhodných datových funkcí. Nyní přicházejí automatizované hluboké behaviorální sítě nativního porozumění významu času v transakčních tocích, což pomůže ke zlepšení stávajícího výkonu technologie pro adaptivní behaviorální analýzu. Detekce podvodů předtím, než peníze oběti opustí účet, je nejlepší obranou proti podvodům, převzetí účtu a útokům na karty. Nová technologie poskytuje účinnou ochranu spotřebitelům a společnostem, které se realizují v kartovém a platebním průmyslu.