ডিপফেকস - যা সিন্থেটিক মিডিয়া হিসাবেও পরিচিত - সেলিব্রিটিদের ছদ্মবেশ ধারণ করা এবং বিভ্রান্তিকর তথ্যকে আরও বিশ্বাসযোগ্য করে তোলার জন্য ব্যবহার করা যেতে পারে৷ এগুলি আর্থিক জালিয়াতির জন্যও ব্যবহার করা যেতে পারে।
প্রতারকরা ডিপফেক প্রযুক্তি ব্যবহার করে আর্থিক প্রতিষ্ঠানের কর্মচারীদের অ্যাকাউন্ট নম্বর পরিবর্তন করার জন্য প্রতারণা করতে পারে এবং অর্থ স্থানান্তরের অনুরোধ শুরু করা যথেষ্ট পরিমাণের জন্য, সতীশ লালচাঁদ বলেছেন, ডেলয়েট লেনদেন এবং ব্যবসায়িক বিশ্লেষণের প্রধান। তিনি উল্লেখ করেছেন যে এই লেনদেনগুলি প্রায়শই কঠিন, যদি অসম্ভব না হয় তবে বিপরীত করা।
আপনার-গ্রাহক যাচাইকরণ প্রক্রিয়া এবং জালিয়াতি সনাক্তকরণ নিয়ন্ত্রণগুলি এড়াতে সাইবার অপরাধীরা ক্রমাগত নতুন কৌশল অবলম্বন করছে। প্রতিক্রিয়া হিসাবে, অনেক ব্যবসায় মেশিন লার্নিং (ML) সিন্থেটিক মিডিয়া, কৃত্রিম পরিচয় জালিয়াতি, বা অন্যান্য সন্দেহজনক আচরণের সাথে জড়িত প্রতারণামূলক লেনদেন সনাক্ত করতে পারে এমন উপায়গুলি অন্বেষণ করছে৷ যাইহোক, নিরাপত্তা দলগুলিকে স্কেলে জালিয়াতি শনাক্ত করতে ML ব্যবহার করার সীমাবদ্ধতা সম্পর্কে সচেতন হওয়া উচিত।
স্কেল এ জালিয়াতি খোঁজা
গত দুই বছরে আর্থিক পরিষেবা খাতে জালিয়াতি এই সত্যের দ্বারা চালিত হয়েছিল যে COVID-19 মহামারীর ফলে অনেক লেনদেন ডিজিটাল চ্যানেলে ঠেলে দেওয়া হয়েছিল, লালচাঁদ বলেছেন। তিনি গ্রাহক এবং ব্যবসা যাচাইয়ের জন্য এমএল প্রযুক্তি গ্রহণের জন্য তিনটি ঝুঁকির কারণ উল্লেখ করেছেন: গ্রাহক, কর্মচারী এবং প্রতারক।
যদিও আর্থিক পরিষেবা সংস্থাগুলির কর্মচারীদের সাধারণত অফিসে ক্যামেরা এবং ডিজিটাল চ্যাটের মাধ্যমে পর্যবেক্ষণ করা হয়, প্রত্যন্ত শ্রমিক লালচাঁদ বলেন, যতটা নজরদারি করা হয় না। কার্যত আরও বেশি গ্রাহক আর্থিক পরিষেবাগুলির জন্য সাইন আপ করার সাথে সাথে, আর্থিক পরিষেবা সংস্থাগুলি ক্রমবর্ধমানভাবে তাদের গ্রাহক যাচাইকরণ এবং প্রমাণীকরণ প্রক্রিয়াগুলিতে ML-কে অন্তর্ভুক্ত করছে কর্মচারী এবং গ্রাহক উভয়ের জন্যই সেই উইন্ডোটি বন্ধ করতে৷ সরকারী সহায়তা বা পরিচয় জালিয়াতির জন্য প্রতারণামূলক আবেদন সনাক্ত করতেও এমএল ব্যবহার করা যেতে পারে, লালচাঁদ বলেছেন।
প্রতারক স্পটিং ছাড়াও পেচেক সুরক্ষা প্রোগ্রাম ঋণ, ML মডেলগুলিকে লেনদেনের ধরণগুলি চিনতে প্রশিক্ষণ দেওয়া যেতে পারে যা মানব পাচার বা বড়দের অপব্যবহারের কেলেঙ্কারীর সংকেত দিতে পারে, গ্যারি শিফম্যান বলেছেন, কনসিলিয়েন্টের সহ-প্রতিষ্ঠাতা, আর্থিক অপরাধ প্রতিরোধে বিশেষজ্ঞ একটি আইটি ফার্ম৷
আর্থিক প্রতিষ্ঠানগুলি এখন একাধিক পণ্য জুড়ে জালিয়াতির আবির্ভাব দেখছে, কিন্তু তারা সাইলোতে প্রতারণামূলক লেনদেন অনুসন্ধান করার প্রবণতা দেখায়। কৃত্রিম বুদ্ধিমত্তা এবং এমএল প্রযুক্তি একাধিক এলাকা জুড়ে জালিয়াতি সংকেত একত্রিত করতে সাহায্য করতে পারে, শিফম্যান বলেছেন।
"প্রতিষ্ঠানগুলি তিল তিল করে চলেছে, এবং কোথায় জালিয়াতি বাড়ছে তা সনাক্ত করার চেষ্টা চালিয়ে যাচ্ছে, কিন্তু এটি সব জায়গা থেকেই ঘটছিল," লালচাঁদ বলেছেন৷ "তথ্যের সংমিশ্রণ … CyFi বলা হয়, সাইবার এবং আর্থিক ডেটা একত্রিত করে।"
ML টুলগুলি ইতিবাচকভাবে গ্রাহকদের সনাক্ত করতে, পরিচয় জালিয়াতি সনাক্ত করতে এবং ঝুঁকির সম্ভাবনা চিহ্নিত করতে সহায়তা করতে পারে, GBG-এ Acuant-এর গ্লোবাল প্রোডাক্টের চিফ প্রোডাক্ট অফিসার জোসে ক্যালডেরা বলেছেন। এমএল অতীতের আচরণ এবং ঝুঁকির সংকেত পরীক্ষা করতে পারে এবং ভবিষ্যতে সেই পাঠগুলি প্রয়োগ করতে পারে, তিনি বলেছেন।
মেশিন লার্নিং এর সীমাবদ্ধতা
যদিও ML মডেলগুলি স্কেলে জালিয়াতি সনাক্ত করতে ডেটা পয়েন্টগুলি বিশ্লেষণ করতে পারে, সেখানে সর্বদা মিথ্যা ইতিবাচক এবং মিথ্যা নেতিবাচক থাকবে এবং মডেলগুলি সময়ের সাথে সাথে অধঃপতন হবে, ক্যালডেরা বলেছেন। তাই, সাইবার সিকিউরিটি দলগুলিকে জালিয়াতি ধরার জন্য অ্যালগরিদমকে প্রশিক্ষণ দিতে হবে তাদের মডেলগুলিকে আপডেট করতে হবে এবং এর ফলাফলগুলি নিয়মিত পর্যবেক্ষণ করতে হবে, শুধুমাত্র প্রতি ছয় মাস বা প্রতি বছর নয়, তিনি বলেছেন।
“আপনাকে নিশ্চিত করতে হবে যে আপনি বুঝতে পেরেছেন যে প্রক্রিয়াটি একবারের [কাজ] নয়। এবং … আপনার যথাযথ স্টাফিং থাকা দরকার যা আপনাকে সময়ের সাথে সাথে সেই প্রক্রিয়াটি বজায় রাখার অনুমতি দেবে,” ক্যালডেরা বলেছেন। "আপনি সর্বদা আরও তথ্য পেতে যাচ্ছেন, এবং ... আপনার মডেলগুলিকে উন্নত করতে এবং আপনার সিস্টেমগুলিকে উন্নত করার জন্য আপনাকে ক্রমাগত এটি ব্যবহার করতে সক্ষম হতে হবে।"
এমএল অ্যালগরিদমগুলির কার্যকারিতা মূল্যায়নকারী আইটি এবং সাইবারসিকিউরিটি দলগুলির জন্য, শিফম্যান বলেছেন তাদের গ্রাউন্ড ট্রুথ প্রতিষ্ঠা করতে হবে - একটি প্রশ্ন বা সমস্যার সঠিক বা "সত্য" উত্তর। এটি করার জন্য, এমএল প্রযুক্তি ব্যবহারকারী দলগুলি একটি পরীক্ষার ডেটা সেট ব্যবহার করে একটি মডেল চেষ্টা করে, একটি উত্তর কী ব্যবহার করে এর মিথ্যা নেতিবাচক, মিথ্যা ইতিবাচক, সত্য ইতিবাচক এবং সত্য নেতিবাচক গণনা করে, তিনি বলেছেন। একবার এই ত্রুটিগুলি এবং সঠিক উত্তরগুলির জন্য হিসাব করা হলে, কোম্পানিগুলি ভবিষ্যতে প্রতারণামূলক কার্যকলাপ সনাক্ত করতে তাদের এমএল মডেলগুলি পুনঃক্রমানুযায়ী করতে পারে, তিনি ব্যাখ্যা করেন।
জালিয়াতি শনাক্ত করতে তাদের অ্যালগরিদম আপডেট করার পাশাপাশি, এমএল প্রযুক্তি ব্যবহার করে আইটি এবং সাইবার সিকিউরিটি দলগুলিকেও আইনী বিধিনিষেধ সম্পর্কে সচেতন হতে হবে অন্যান্য সংস্থার সাথে ডেটা ভাগ করে নেওয়া, এমনকি জালিয়াতি সনাক্ত করতে, Shiffman বলেছেন. আপনি যদি অন্য দেশ থেকে ডেটা পরিচালনা করেন তবে আপনি আইনত এটি মার্কিন যুক্তরাষ্ট্রে স্থানান্তর করতে পারবেন না, তিনি বলেছেন।
যে দলগুলি জালিয়াতি সনাক্তকরণের জন্য ML প্রযুক্তি ব্যবহার করতে চায় তাদের জন্য, Caldera সতর্ক করে যে এই জাতীয় সরঞ্জামগুলি একটি জালিয়াতি প্রতিরোধ কৌশলের একটি উপাদান এবং সেই সমস্যা সমাধানের জন্য কোনও সমাধান নেই৷ নতুন গ্রাহকদের অনবোর্ডিং করার পরে, সাইবার নিরাপত্তা এবং আইটি পেশাদারদের অবশ্যই সময়ের সাথে সাথে কীভাবে তারা আচরণ পরিবর্তন করছে সে সম্পর্কে সচেতন থাকতে হবে।
"প্রযুক্তি বা মেশিন লার্নিংয়ের ব্যবহার বা না করা আপনার টুলসেটের একটি উপাদান," ক্যালডেরা বলেছেন। "আপনি একটি ব্যবসা হিসাবে, আপনাকে বুঝতে হবে: আপনি এটির জন্য কতটা ব্যয় করছেন, আপনার ঝুঁকি সহনশীলতা কী এবং তারপরে আপনি যে গ্রাহক অবস্থানটি চান তা কী?"
