Machine learning e Hadoop nel rilevamento delle frodi di prossima generazione

Autore: Roger Morrison
Data Della Creazione: 19 Settembre 2021
Data Di Aggiornamento: 21 Giugno 2024
Anonim
AWS re:Invent 2020 - Machine Learning Keynote with Swami Sivasubramanian
Video: AWS re:Invent 2020 - Machine Learning Keynote with Swami Sivasubramanian

Contenuto


Fonte: Ajv123ajv / Dreamstime.com

Porta via:

Il rilevamento delle frodi è sempre stato una priorità nel settore bancario, ma con l'aggiunta di strumenti moderni come Hadoop e l'apprendimento automatico, può essere più preciso che mai.

La rilevazione e la prevenzione delle frodi è un vero dolore per il settore bancario. L'industria spende milioni in tecnologie per ridurre le frodi, ma la maggior parte degli attuali meccanismi si basa su dati storici statici. E si basa sulla corrispondenza di modelli e firme basata su questi dati storici, quindi gli atti fraudolenti per la prima volta sono molto difficili da rilevare e possono causare molte perdite finanziarie. L'unica soluzione è implementare un meccanismo basato su dati storici e in tempo reale. È qui che entrano in gioco la piattaforma Hadoop e l'apprendimento automatico.

Frode e banche

Le banche sono molto vulnerabili alle frodi, poiché la frode è la loro principale causa di perdita di denaro. Una stima suggerisce che ogni anno si perdono più di $ 1,7 trilioni a causa di frodi bancarie. Per evitare ciò, le banche spendono molti soldi per la prevenzione delle frodi. Tuttavia, non spendono molto per proteggersi. Pertanto, le attuali tecnologie di cui oggi sono dotate le banche non sono abbastanza potenti. Tuttavia, i big data e l'apprendimento automatico possono aiutare a rinnovare il sistema attuale e ridurre le frodi ai livelli più bassi di tutti i tempi.


Gli attuali approcci al rilevamento delle frodi presentano le seguenti limitazioni:

Nel caso degli attuali metodi di prevenzione delle frodi, è necessario un adeguato aggiornamento di un algoritmo in base ai più recenti casi di frode. Tuttavia, spesso questi modelli vengono aggiornati ogni anno perché i costi e i tempi richiesti sono così elevati. È anche molto difficile ricavare un algoritmo accurato e usarlo. Pertanto, se l'algoritmo non viene aggiornato regolarmente, la frode può passare inosservata fino all'implementazione del nuovo algoritmo, che può essere implementato mesi o addirittura anni dopo.

Non puoi migliorare le tue capacità di programmazione quando a nessuno importa della qualità del software.


In che modo l'apprendimento automatico in Hadoop può prevenire le frodi?

L'elaborazione di grandi quantità di dati utilizzati con precisione era un'attività erculea, ma con l'avvento dei big data sono state create diverse applicazioni di elaborazione dei dati più veloci e potenti. Una delle più potenti di queste applicazioni è la piattaforma Hadoop. Hadoop è estremamente potente grazie alla sua funzione MapR, che consente di elaborare facilmente grandi quantità di dati in tempo reale e in modo molto economico.


Poiché Hadoop è in grado di elaborare facilmente grandi quantità di dati contemporaneamente, può essere utilizzato per elaborare tutti i record e le firme delle transazioni precedenti e creare un modello matematico estremamente accurato. Questi dettagli della transazione possono anche essere utilizzati per estrarre le firme, il che consentirà alla banca di intercettare le transazioni fraudolente per la prima volta. Tuttavia, la domanda che si pone ora è quale strumento può essere utilizzato per elaborare i dati e ideare un algoritmo perfetto?

Strumenti per prevenire le frodi bancarie

Con l'aumento delle frodi bancarie, una buona applicazione di gestione delle frodi è la necessità dell'ora. Uno di questi strumenti è Skytree. Skytree è in realtà una speciale piattaforma di apprendimento automatico che promette di offrire alta precisione e prestazioni, anche quando il problema è l'elaborazione di grandi record di dati di transazioni bancarie. Si basa sui cluster di dati di tipo MapR di Hadoop, che garantisce l'elaborazione di grandi quantità di dati in tempo reale. Può anche utilizzare una grande varietà di procedure di apprendimento automatico, inclusi metodi supervisionati e non supervisionati. Grazie a tali efficienti procedure di apprendimento automatico, Skytree è in grado di bloccare le transazioni fraudolente con l'aiuto di un modello avanzato e persino di bloccare le frodi per la prima volta sulla base della sua capacità di intercettare transazioni sospette. Skytree può selezionare automaticamente le informazioni migliori e usarle per creare un modello altamente accurato. Può anche analizzare facilmente grandi quantità di dati, quindi è più semplice aggiornare il modello corrente con il suo aiuto.

Contro dell'apprendimento automatico

L'apprendimento automatico può essere una soluzione molto potente per il rilevamento delle frodi, ma può anche rappresentare una grande sfida. Il concetto è direttamente correlato all'intelligenza artificiale. Il fatto che le nostre macchine prendano le decisioni per noi può sollevare implicazioni morali. Tuttavia, non è necessario preoccuparsi, poiché l'applicazione funzionerà per noi e prenderà le decisioni migliori quando sarà supervisionata da un dipendente umano. State tranquilli, l'apprendimento automatico produrrà tecniche di prevenzione delle frodi più intelligenti e contribuirà a prevenire la perdita di denaro in futuro.

Conclusione

La migliore applicazione di gestione delle frodi deve essere potente, veloce e precisa e deve adattarsi a una varietà di situazioni. Per raggiungere questo obiettivo, l'applicazione deve essere in grado di sfornare i dettagli delle transazioni e le firme mantenendo il database aggiornato con i tipi di frode più recenti. Solo una piattaforma basata su Hadoop sarà in grado di farlo, poiché le piattaforme basate su Hadoop sono applicazioni di apprendimento automatico estremamente veloci che possono supportare molti diversi tipi di algoritmi di apprendimento automatico. Insieme a questo, anche le piattaforme basate su Hadoop sono molto accurate, quindi possono facilmente impedire il verificarsi di molti casi di frode, in quanto possono rilevare frodi in tempo reale. Ciò significa che se un'applicazione di machine learning dedicata è al fianco della banca, quella banca ha il potere di essere quasi invulnerabile alle frodi!