کس طرح مشین لرننگ ٹولز شناختی فراڈ کو روکنے میں مدد کر رہے ہیں۔

زیادہ تر بڑی اور چھوٹی کمپنیاں شناختی فراڈ سے روزانہ نمٹتی ہیں اور ممکنہ شناختی فراڈ کی شناخت میں مدد کے لیے ٹولز کے بیڑے پر انحصار کرتی ہیں، بشمول ملٹی فیکٹر تصدیق اور کیپچا (کمپیوٹر اور انسانوں کو الگ الگ بتانے کے لیے مکمل طور پر خودکار پبلک ٹورنگ ٹیسٹ) کوڈز۔ اگرچہ یہ اوزار کسی حد تک مدد کرتے ہیں، لیکن وہ ہر چیز کو نہیں پکڑتے ہیں۔ ایکتا کی تحقیق کے مطابق، ایک ماسٹر کارڈ کمپنی، "یہ فول پروف نہیں ہے۔ اچھے گاہک رد ہو جاتے ہیں، اور برے اداکار چھپ کر آتے ہیں۔ یہ جاننا مشکل ہے کہ کس پر بھروسہ کیا جائے۔"

ہم ان چیلنجوں میں غوطہ لگاتے ہیں، اور یہ دریافت کرتے ہیں کہ کس طرح جدید ترین مشین لرننگ ماڈل کمپنیوں کو اس ڈیٹا کی بہتر تفہیم فراہم کر سکتے ہیں جو وہ پروسیس کر رہے ہیں، اور ساتھ ہی شناخت کی تصدیق اور دھوکہ دہی سے تحفظ میں ان کی مدد کر سکتے ہیں۔

مصنوعی شناختی فراڈ

مصنوعی شناختی فراڈ جعلی معلومات کے ساتھ اصلی شناختی معلومات — جیسے نام اور پتے — کو ملانا شامل ہے۔ نتیجے کے طور پر، ایک نئی شناخت من گھڑت اور دھوکہ دہی کا پتہ لگانے کے نظام کو نظرانداز کرنے کے لیے استعمال کی جا سکتی ہے۔ وقت گزرنے کے ساتھ، جیسے جیسے دھوکہ دہی کی آسان شکلوں کا پتہ لگانا آسان ہو گیا ہے، مصنوعی شناختی فراڈ دھوکہ بازوں کے لیے ایک غالب طریقہ بن گیا ہے۔

کے مطابق ٹم سلوینمرکٹر ایڈوائزری گروپ میں ادائیگیوں کی اختراع کے نائب صدر، مصنوعی شناخت تاش کے گھر کی طرح بنائے گئے ہیں۔ انہوں نے کہا، "ایک دھوکہ باز مرنے والے لوگوں کے سوشل سیکورٹی نمبر استعمال کر سکتا ہے، نام تبدیل کر سکتا ہے، عمر بدل سکتا ہے، اس فرد کے لیے پس منظر بنا سکتا ہے، اور پھر اکاؤنٹس بنا سکتا ہے۔"

اور جعلساز جتنے زیادہ اکاؤنٹس بناتے ہیں، شناخت اتنی ہی زیادہ معتبر ہوتی جاتی ہے۔

"دھوکہ باز کسی تاجر کے پاس جا کر شروعات کر سکتے ہیں۔ نام، گلی کا پتہ، ٹیلی فون نمبر کے ساتھ اپنی شناخت کرنا؛ ایک اکاؤنٹ بنانا؛ [اور] پھر کچھ شاپنگ کرو،" اس نے کہا۔ "وہاں سے انہیں ایک کریڈٹ کارڈ ملتا ہے جو اس شناخت سے میل کھاتا ہے اور اس شناخت کو بنانا شروع کر دیتا ہے۔"

مشین لرننگ ٹولز شناختی فراڈ کو ایڈریس کرنے میں مدد کرتے ہیں۔

Ekata کے مطابق، دھوکہ دہی کو روکنے کی کوشش کرنے والے کاروبار کو دو اہم سوالات پر توجہ مرکوز کرنی چاہیے، "کیا گاہک حقیقی ہے؟" اور "کیا وہ گاہک ہے جس کا وہ دعویٰ کرتے ہیں؟"

اس کے لیے صارفین اور ان کی ڈیجیٹل شناخت کے درمیان ربط قائم کرنے کی ضرورت ہے۔ یہ "ایک تجزیہ بھی فراہم کرتا ہے کہ وہ کس طرح آن لائن بات چیت اور برتاؤ کر رہے ہیں،" فی Ekata۔

جدید فراڈ سسٹم عام طور پر مشین لرننگ کا فائدہ اٹھا کر اسے پورا کر سکتے ہیں۔ بنیادی طور پر، وہ شناخت کے مختلف اجزاء کو دیکھ رہے ہیں اور فریق ثالث کا ڈیٹا استعمال کرتے ہوئے اس بات کی تصدیق کر رہے ہیں کہ کیا سچ ہے اور کیا نہیں۔

مزید یہ کہ ایک فراڈ سسٹم اس بارے میں معلومات کا استعمال کرتا ہے کہ وہ شخص کہاں سے لاگ ان ہو رہا ہے۔ "ایک فراڈ سسٹم سوال کرے گا کہ نیویارک کے رہائشی کی ذاتی معلومات چین میں آئی پی [انٹرنیٹ پروٹوکول] ایڈریس سے کیوں آرہی ہے،" سلوین نے کہا۔ خلاصہ یہ کہ جدید فراڈ سسٹم ڈیوائس کو فنگر پرنٹ کرتے ہیں تاکہ یہ دیکھیں کہ آیا یہ گاہک کی دعوی کردہ شناخت سے میل کھاتا ہے۔

پریکٹس میں مشین لرننگ سسٹم

جیسا کہ پہلے ذکر کیا گیا ہے، دھوکہ دہی کا پتہ لگانے کو بہتر بنانے کا ایک طریقہ یہ یقینی بنانا ہے کہ آپ کے پاس انفرادی صارف کے بارے میں ایک جامع نظریہ ہے، بشمول اس کا IP پتہ اور ڈیجیٹل عادات۔

دھوکہ دہی سے بچاؤ کا ٹول کمپنیوں کو آسانی سے سرخ جھنڈوں کی نشاندہی کرنے میں مدد کر سکتا ہے۔ مثال کے طور پر، Ekata Identity Engine درج ذیل سوالات کے جوابات دے کر اچھے صارفین بمقابلہ برے اداکاروں کی شناخت میں مدد کر سکتا ہے:

• کیا یہ ای میل اس شخص کی ہے؟

• کیا یہ پتہ درست ہے؟ کیا یہ رہائشی ہے؟

• یہ کس قسم کا فون نمبر ہے؟

• ای میل پتہ پہلی بار/آخری بار کب دیکھا گیا؟

• کیا IP ایڈریس خطرناک ہے؟

• کیا شناختی عناصر کے استعمال میں کوئی تضادات ہیں؟

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

ماخذ: https://www.paymentsjournal.com