기계 학습 도구가 신원 사기를 방지하는 방법

크고 작은 대부분의 회사는 매일 신원 사기에 대처하고 잠재적인 신원 사기를 식별하는 데 도움이 되는 다단계 인증 및 CAPTCHA(컴퓨터와 인간을 구별하기 위한 완전 자동화된 공개 튜링 테스트) 코드를 포함한 일련의 도구에 의존하게 되었습니다. 이러한 도구는 어느 정도 도움이 되지만 모든 것을 파악하지는 못합니다. Mastercard 회사인 Ekata의 연구에 따르면 “결코 안전한 것은 아닙니다. 좋은 고객은 거절당하고 나쁜 사람은 몰래 들어옵니다. 누구를 믿어야 할지 알기 어렵습니다.”

우리는 이러한 문제에 대해 자세히 알아보고 정교한 기계 학습 모델이 회사에서 처리 중인 데이터를 더 잘 이해하고 신원 확인 및 사기 방지에 도움을 줄 수 있는 방법을 탐구합니다.

합성 신원 사기

합성 신원 사기 이름 및 주소와 같은 실제 신원 정보를 가짜 정보와 결합하는 것입니다. 결과적으로 새로운 신원이 조작되어 사기 탐지 시스템을 우회하는 데 사용될 수 있습니다. 시간이 지남에 따라 더 단순한 형태의 사기가 탐지하기 쉬워짐에 따라 합성 신원 사기가 사기꾼에게 지배적인 접근 방식이 되었습니다.

에 따르면 팀 슬론, Mercator Advisory Group의 결제 혁신 담당 부사장, 합성 신원 카드로 만든 집처럼 지어졌습니다. “사기꾼은 사망한 사람의 사회보장번호를 사용하여 이름을 바꾸고 나이를 바꾸고 개인의 배경을 만든 다음 계정을 만들 수 있습니다.”라고 그는 말했습니다.

그리고 사기범이 더 많은 계정을 만들수록 신원의 신뢰성이 높아집니다.

“사기꾼은 상인에게 가는 것으로 시작할 수 있습니다. 이름, 주소, 전화번호로 자신을 식별합니다. 계정 생성; 그런 다음 쇼핑을 하세요.”라고 그는 말했습니다. "그곳에서 그들은 그 신원과 일치하는 신용 ​​카드를 받고 그 신원을 구축하기 시작합니다."

신원 사기를 해결하는 데 도움이 되는 머신 러닝 도구

Ekata에 따르면 사기를 방지하려는 기업은 "고객이 진짜입니까?"라는 두 가지 중요한 질문에 집중해야 합니다. 그리고 "그들이 주장하는 고객이 맞습니까?"

이를 위해서는 고객과 고객의 디지털 ID 간에 링크를 설정해야 합니다. 이것은 또한 Ekata에 따라 "그들이 온라인에서 상호 작용하고 행동하는 방식에 대한 분석"을 제공합니다.

최신 사기 시스템은 일반적으로 기계 학습을 활용하여 이를 달성할 수 있습니다. 본질적으로 그들은 신원의 다양한 구성 요소를 살펴보고 제XNUMX자 데이터를 사용하여 무엇이 사실이고 무엇이 거짓인지 확인합니다.

또한 사기 시스템은 사용자가 로그인한 위치에 대한 정보를 사용합니다. Sloane은 "사기 시스템은 왜 뉴욕의 개인 정보 거주자가 중국의 IP(인터넷 프로토콜) 주소에서 들어오는지 의문을 제기할 것"이라고 말했습니다. 본질적으로 최신 사기 시스템은 장치에 지문을 입력하여 고객이 주장한 신원과 일치하는지 확인합니다.

실제로 사용되는 기계 학습 시스템

앞서 언급했듯이 사기 탐지를 더 잘 최적화하는 한 가지 방법은 IP 주소 및 디지털 습관을 포함하여 개별 사용자에 대한 포괄적인 보기를 확보하는 것입니다.

사기 방지 도구는 기업이 위험 신호를 쉽게 발견하는 데 도움이 될 수 있습니다. 예를 들어 Ekata Identity Engine은 다음 질문에 답하여 좋은 고객과 나쁜 행위자를 식별하는 데 도움이 될 수 있습니다.

• 이 이메일은 그 사람의 것입니까?

• 이 주소가 유효합니까? 주거지인가요?

• 이것은 어떤 유형의 전화번호입니까?

• 이메일 주소를 처음/마지막으로 본 것은 언제입니까?

• IP 주소가 위험한가요?

• 아이덴티티 요소 사용에 이상이 있습니까?

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

출처: https://www.paymentsjournal.com