Vsebina
- Goljufije in banke
- Kako lahko strojno učenje v Hadoopu prepreči goljufije?
- Orodja za preprečevanje bančnih goljufij
- Slabosti strojnega učenja
- Zaključek
Vir: Ajv123ajv / Dreamstime.com
Odvzem:
Odkrivanje goljufij je že od nekdaj prednostna naloga v bančni industriji, vendar je z dodatkom sodobnih orodij, kot sta Hadoop in strojno učenje, lahko bolj natančno kot kdaj koli prej.
Odkrivanje in preprečevanje goljufij je resnična bolečina za bančno industrijo. Industrija porabi milijone za tehnologije za zmanjšanje goljufij, vendar večina sedanjih mehanizmov temelji na statičnih zgodovinskih podatkih. In se opira na usklajevanje vzorcev in podpisov na podlagi teh zgodovinskih podatkov, zato je prva goljufiva dejanja zelo težko odkriti in lahko povzročijo veliko finančne izgube. Edina rešitev je uporaba mehanizma, ki temelji na preteklih in v realnem času. Tu se začnejo uporabljati platforma Hadoop in strojno učenje.
Goljufije in banke
Banke so zelo izpostavljene goljufijam, saj je njihov glavni vzrok za izgubo denarja. Ocene kažejo, da se zaradi goljufij v bankah vsako leto izgubi več kot 1,7 bilijona dolarjev. Da bi to preprečile, banke porabijo veliko denarja za preprečevanje goljufij. Vendar ne porabijo veliko za zaščito. Zato trenutne tehnologije, s katerimi so banke danes opremljene, niso dovolj močne. Vendar lahko veliki podatki in strojno učenje pomagajo prenoviti trenutni sistem in zmanjšati goljufijo na ravni, ki so ves čas nizke.
Trenutni pristopi k odkrivanju goljufij imajo naslednje omejitve:
V primeru trenutnih metod preprečevanja goljufij je potrebna ustrezna posodobitev algoritma glede na najnovejše primere goljufij. Vendar se pogosto ti modeli posodabljajo letno, ker so potrebni stroški in čas tako veliki. Prav tako je zelo težko izpeljati natančen algoritem in ga uporabljati. Če torej algoritem ne posodabljamo redno, lahko goljufije ostanejo neopažene do uveljavitve novejšega algoritma, ki se lahko uporabi mesece ali celo leta kasneje.
Ne morete izboljšati svojih programskih veščin, kadar nikogar ne skrbi za kakovost programske opreme.
Kako lahko strojno učenje v Hadoopu prepreči goljufije?
Točna obdelava velikih količin podatkov je bila herkulovska naloga, a s pojavom velikih podatkov je bilo ustvarjenih več hitrejših in zmogljivejših aplikacij za obdelavo podatkov. Ena najmočnejših teh aplikacij je platforma Hadoop. Hadoop je izjemno močan zaradi svoje funkcije MapR, ki mu omogoča enostavno obdelavo velikih količin podatkov v realnem času in ob tem zelo poceni.
Ker Hadoop zlahka obdeluje velike količine podatkov naenkrat, ga lahko uporabimo za obdelavo vseh starejših zapisov transakcij in podpisov ter izdelamo izredno natančen matematični model. Ti podatki o transakcijah se lahko uporabijo tudi za črpanje podpisov, kar bo banki omogočilo prestrezanje transakcij s prvo goljufijo. Vendar se zdaj postavlja vprašanje, katero orodje je mogoče uporabiti za obdelavo podatkov in oblikovanje popolnega algoritma?
Orodja za preprečevanje bančnih goljufij
S povečanjem bančnih goljufij je potreba po dobri aplikaciji za upravljanje goljufij. Eno izmed teh orodij je Skytree. Skytree je pravzaprav posebna platforma za strojno učenje, ki obljublja, da bo nudila visoko natančnost in zmogljivost, tudi ko je težava obdelava velikih podatkov o bančnih transakcijah. Temelji na Hadoopovih podatkovnih grozdih tipa MapR, kar zagotavlja veliko obdelavo podatkov v realnem času. Prav tako lahko uporablja veliko različnih postopkov strojnega učenja, vključno z nadzorovanimi in nenadzorovanimi metodami. Zaradi tako učinkovitih postopkov strojnega učenja lahko Skytree prek naprednega modela ustavi goljufive transakcije in celo ustavi goljufije na podlagi svoje sposobnosti prestrezanja sumljivih transakcij. Skytree lahko samodejno izbere najboljše informacije in jih uporabi za ustvarjanje zelo natančnega modela. Zlahka analizira tudi velike količine podatkov, zato je lažje posodobiti trenutni model z njegovo pomočjo.
Slabosti strojnega učenja
Strojno učenje je lahko zelo močna rešitev za odkrivanje goljufij, vendar je lahko tudi velik izziv. Koncept je neposredno povezan z umetno inteligenco. Dejstvo, da bodo naši stroji sprejemali odločitve namesto nas, lahko povzroči moralne posledice. Vendar ni treba skrbeti, saj bo aplikacija delovala pri nas in bo sprejela najboljše odločitve, ko jih nadzira človeški zaposleni. Bodite prepričani, da bo strojno učenje povzročilo pametnejše tehnike preprečevanja goljufij in pomagalo preprečiti izgubo denarja v prihodnosti.
Zaključek
Najboljša aplikacija za upravljanje goljufij mora biti močna, hitra in natančna ter se mora prilagajati različnim situacijam. Da bi to dosegli, mora aplikacija imeti možnost izpisovanja podatkov o transakcijah in podpisov, hkrati pa bo bazo podatkov posodabljala z najnovejšimi vrstami goljufij. To bo zmogla samo platforma, ki temelji na Hadoopu, saj so platforme, ki temeljijo na Hadoopu, izredno hitre aplikacije za strojno učenje, ki lahko podpirajo številne različne algoritme strojnega učenja. Skupaj s tem so platforme, ki temeljijo na Hadoopu, tudi zelo natančne, zato lahko zlahka preprečijo, da bi se zgodili številni primeri goljufije, saj lahko v resničnem času odkrijejo prevaro. To pomeni, da če ima posebna aplikacija za strojno učenje ob strani banke, ima banka moč biti skoraj neranljiva do goljufij!