Kako orodja strojnega učenja pomagajo preprečevati goljufije z identiteto

Večina velikih in majhnih podjetij se vsakodnevno spopada s goljufijami glede identitete in se zanašajo na floto orodij, vključno z večfaktorsko avtentikacijo in kodami CAPTCHA (popolnoma avtomatiziran javni Turingov test za razlikovanje med računalniki in ljudmi), ki pomagajo prepoznati morebitne goljufije z identiteto. Čeprav ta orodja do neke mere pomagajo, ne ujamejo vsega. Glede na raziskavo Ekate, podjetja Mastercard, »ni varen. Dobre stranke so zavrnjene, slabi igralci pa se prikradejo skozi. Težko je vedeti, komu zaupati.”

Poglobimo se v te izzive in raziskujemo, kako lahko sofisticirani modeli strojnega učenja podjetjem omogočijo boljše razumevanje podatkov, ki jih obdelujejo, ter jim pomagajo pri preverjanju identitete in zaščiti pred goljufijami.

Prevare s sintetično identiteto

Goljufije s sintetično identiteto vključuje združevanje resničnih informacij o identiteti - kot so ime in naslovi - z lažnimi informacijami. Posledično se lahko izdela nova identiteta in uporabi za obhod sistemov za odkrivanje goljufij. Sčasoma, ko je preprostejše oblike goljufij postalo lažje odkriti, je goljufija s sintetično identiteto postala prevladujoč pristop za goljufe.

Glede na Tim Sloane, podpredsednik za inovacije v plačilnem prometu v Mercator Advisory Group, sintetične identitete so zgrajene kot hiša iz kart. "Goljuf lahko uporabi številke socialnega zavarovanja ljudi, ki so umrli, spremeni ime, spremeni starost, ustvari ozadje za tega posameznika in nato ustvari račune," je dejal.

In več računov ko goljufi ustvarijo, bolj verodostojna postaja ta identiteta.

»Goljufi lahko začnejo tako, da obiščejo trgovca; identificirajo se z imenom, naslovom, telefonsko številko; ustvarjanje računa; [in] nato nakupujte,« je rekel. "Od tam dobijo kreditno kartico, ki ustreza tej identiteti, in začnejo graditi to identiteto."

Orodja za strojno učenje pomagajo odpraviti goljufije z identiteto

Po mnenju Ekate bi se morala podjetja, ki poskušajo preprečiti goljufije, osredotočiti na dve pomembni vprašanji: "Ali je stranka resnična?" in "Je stranka to, za kar se predstavlja?"

To zahteva vzpostavitev povezave med strankami in njihovimi digitalnimi identitetami. To zagotavlja tudi "analizo njihove interakcije in vedenja na spletu", na Ekata.

Sodobni sistemi za goljufije lahko to običajno dosežejo z uporabo strojnega učenja. V bistvu preučujejo različne komponente identitete in uporabljajo podatke tretjih oseb, da potrdijo, kaj je res in kaj ne.

Še več, sistem goljufij uporablja informacije o tem, od kod se oseba prijavlja. "Sistem za goljufije se bo spraševal, zakaj osebni podatki prebivalca New Yorka prihajajo z naslova IP [internetni protokol] na Kitajskem," je dejal Sloane. V bistvu sodobni sistemi za goljufije napravi odvzamejo prstni odtis, da bi ugotovili, ali se ujema z zahtevano identiteto stranke.

Sistemi strojnega učenja v praksi

Kot že omenjeno, je eden od načinov za boljše optimiziranje odkrivanja goljufij zagotavljanje celovitega pogleda na posameznega uporabnika, vključno z njegovim naslovom IP in digitalnimi navadami.

Orodje za preprečevanje goljufij lahko podjetjem pomaga zlahka opaziti rdeče zastavice. Na primer, Ekata Identity Engine lahko pomaga prepoznati dobre stranke in slabe akterje tako, da odgovori na naslednja vprašanja:

• Ali ta e-pošta pripada tej osebi?

• Je ta naslov veljaven? Ali je stanovanjsko?

• Kakšna telefonska številka je to?

• Kdaj je bil e-poštni naslov prvič/zadnjič viden?

• Ali je naslov IP tvegan?

• Ali obstajajo nepravilnosti pri uporabi elementov identitete?

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

Vir: https://www.paymentsjournal.com