मशीन लर्निंग टूल पहचान संबंधी धोखाधड़ी को रोकने में कैसे मदद कर रहे हैं

अधिकांश कंपनियां प्रतिदिन बड़ी और छोटी पहचान धोखाधड़ी से निपटती हैं और संभावित पहचान धोखाधड़ी की पहचान करने में सहायता के लिए मल्टीफैक्टर प्रमाणीकरण और कैप्चा (कंप्यूटर और इंसानों को अलग-अलग बताने के लिए पूरी तरह से स्वचालित सार्वजनिक ट्यूरिंग टेस्ट) कोड सहित उपकरणों के बेड़े पर भरोसा करने लगी हैं। हालांकि ये टूल कुछ हद तक मदद करते हैं, लेकिन वे सब कुछ नहीं पकड़ पाते हैं। मास्टरकार्ड कंपनी एकटा के शोध के अनुसार, “यह फुलप्रूफ नहीं है। अच्छे ग्राहकों को अस्वीकार कर दिया जाता है, और बुरे अभिनेता चुपके से निकल जाते हैं। यह जानना कठिन है कि किस पर विश्वास किया जाए।"

हम इन चुनौतियों में गोता लगाते हैं, और पता लगाते हैं कि कैसे परिष्कृत मशीन लर्निंग मॉडल कंपनियों को उनके द्वारा संसाधित किए जा रहे डेटा की बेहतर समझ दे सकते हैं, साथ ही पहचान सत्यापन और धोखाधड़ी सुरक्षा में उनकी मदद कर सकते हैं।

सिंथेटिक पहचान धोखाधड़ी

सिंथेटिक पहचान धोखाधड़ी वास्तविक पहचान जानकारी - जैसे नाम और पते - को नकली जानकारी के साथ जोड़ना शामिल है। नतीजतन, एक नई पहचान गढ़ी जा सकती है और धोखाधड़ी का पता लगाने वाली प्रणालियों को बायपास करने के लिए इस्तेमाल किया जा सकता है। समय के साथ, धोखाधड़ी के सरल रूपों का पता लगाना आसान हो गया है, धोखेबाजों के लिए सिंथेटिक पहचान धोखाधड़ी एक प्रमुख दृष्टिकोण बन गया है।

के अनुसार टिम स्लोएन, मर्केटर एडवाइजरी ग्रुप में पेमेंट्स इनोवेशन के उपाध्यक्ष, सिंथेटिक पहचान ताश के घर की तरह बनते हैं। "एक धोखेबाज मरने वाले लोगों की सामाजिक सुरक्षा संख्या का उपयोग कर सकता है, नाम बदल सकता है, उम्र बदल सकता है, उस व्यक्ति के लिए एक पृष्ठभूमि बना सकता है और फिर खाते बना सकता है," उन्होंने कहा।

और जालसाज जितने अधिक खाते बनाते हैं, पहचान उतनी ही विश्वसनीय हो जाती है।

“जालसाज़ एक व्यापारी के पास जाकर शुरू कर सकते हैं; नाम, मोहल्ले का पता, टेलीफोन नंबर से अपनी पहचान बताना; एक खाता बनाना; [और] फिर कुछ खरीदारी करें, ”उन्होंने कहा। "वहाँ से उन्हें एक क्रेडिट कार्ड मिलता है जो उस पहचान से मेल खाता है और उस पहचान को बनाना शुरू करता है।"

मशीन लर्निंग टूल्स आइडेंटिटी फ्रॉड को दूर करने में मदद करते हैं

एकता के अनुसार, धोखाधड़ी को रोकने की कोशिश कर रहे व्यवसायों को दो महत्वपूर्ण प्रश्नों पर ध्यान देना चाहिए, "क्या ग्राहक वास्तविक है?" और "क्या वह ग्राहक है जिसका वे दावा करते हैं?"

इसके लिए ग्राहकों और उनकी डिजिटल पहचान के बीच एक कड़ी स्थापित करने की आवश्यकता है। एकता के अनुसार, यह "ऑनलाइन कैसे बातचीत और व्यवहार कर रहे हैं, इसका विश्लेषण" भी प्रदान करता है।

आधुनिक धोखाधड़ी प्रणालियां आमतौर पर मशीन लर्निंग का लाभ उठाकर इसे पूरा कर सकती हैं। अनिवार्य रूप से, वे पहचान के विभिन्न घटकों को देख रहे हैं और तीसरे पक्ष के डेटा का उपयोग कर रहे हैं यह सत्यापित करने के लिए कि क्या सच है और क्या नहीं।

क्या अधिक है, धोखाधड़ी प्रणाली इस जानकारी का उपयोग करती है कि व्यक्ति कहां से लॉग इन कर रहा है। स्लोएन ने कहा, "एक धोखाधड़ी प्रणाली सवाल करेगी कि न्यूयॉर्क के एक निवासी की निजी जानकारी चीन में एक आईपी [इंटरनेट प्रोटोकॉल] पते से क्यों आ रही है।" संक्षेप में, आधुनिक धोखाधड़ी प्रणाली यह देखने के लिए डिवाइस को फिंगरप्रिंट करती है कि यह ग्राहक की दावा की गई पहचान से मेल खाता है या नहीं।

मशीन लर्निंग सिस्टम्स इन प्रैक्टिस

जैसा कि पहले उल्लेख किया गया है, धोखाधड़ी का पता लगाने का बेहतर अनुकूलन करने का एक तरीका यह सुनिश्चित करना है कि आपके पास एक व्यक्तिगत उपयोगकर्ता का व्यापक दृष्टिकोण है, जिसमें उनका आईपी पता और डिजिटल आदतें शामिल हैं।

एक धोखाधड़ी रोकथाम उपकरण कंपनियों को आसानी से लाल झंडे दिखाने में मदद कर सकता है। उदाहरण के लिए, एकता आइडेंटिटी इंजन निम्नलिखित सवालों के जवाब देकर अच्छे ग्राहकों बनाम बुरे अभिनेताओं की पहचान करने में मदद कर सकता है:

• क्या यह ईमेल उस व्यक्ति का है?

• क्या यह पता मान्य है? क्या यह आवासीय है?

• यह किस प्रकार का फ़ोन नंबर है?

• ईमेल पता पहली बार/पिछली बार कब देखा गया था?

• क्या IP पता जोखिम भरा है?

• क्या पहचान तत्वों के उपयोग में कोई विसंगतियां हैं?

लिंक: https://www.paymentsjournal.com/how-machine-learning-tools-are-helping-prevent-identity-fraud/

स्रोत: https://www.paymentsjournal.com