Pemimpin dunia di dalam pencegahan Jenayah Kewangan Perusahaan memperkenalkan satu lapisan pertahanan yang lebih mendalam untuk kad dan pembayaran
LONDON & ATLANTA & SINGAPURA, 26 Feb (Bernama-BUSINESS WIRE) -- Hari ini, Featurespace memperkenalkan Rangkaian Perilaku Mendalam Automatik bagi industri kad dan pembayaran, dengan menyediakan satu lapisan pertahanan yang lebih mendalam untuk melindungi pengguna daripada penipuan, pengambilalihan akaun, penipuan kad dan pembayaran, yang menelan belanja anggaran $42 billion pada tahun 2020.
“Pentingnya pembangunan ini melampaui ruang lingkup dalam menangani jenayah kewangan perusahaan. Ia benar-benar generasi seterusnya bagi pembelajaran mesin,” kata Dave Excell, pengasas bagi Featurespace.
Penciptaannya
Satu kejayaan di dalam teknologi pembelajaran mendalam, penciptaan ini memerlukan satu kaedah yang sepenuhnya baharu untuk merancang dan membina platform pembelajaran mesin. Rangkaian Perilaku Mendalam Automatik adalah satu seni bina baharu berdasarkan kepada Rangkaian Neural Berulang yang hanya tersedia melalui versi terbaharu bagi Hab Risiko ARIC™.
Cabaran dan Penemuannya
Teknologi pembelajaran mendalam mempunyai pelbagai aplikasi, seperti di dalam pemprosesan bahasa semula jadi untuk meramalkan kata-kata berikutnya di dalam sesuatu ayat, bagaimanapun penggunaannya di dalam mencegah penipuan di dalam penipuan kad dan pembayaran belum dapat dioptimumkan untuk melindungi syarikat dan pengguna daripada penipuan kad dan pembayaran. Dengan penciptaan ini, cabaran itu dapat diselesaikan.
Urus niaga adalah sekali-sekala, menjadikan pemahaman kontekstual mengenai masa adalah sangat penting untuk meramalkan tingkah laku. Sebelum ini, untuk membina model pembelajaran mesin yang berkesan untuk pencegahan penipuan memerlukan saintis data mempunyai kepakaran domain yang mendalam bagi mengenal pasti dan memilih ciri-ciri data yang sesuai – satu langkah yang memerihkan, namun penting.
Featurespace Research membangunkan Rangkaian Perilaku Mendalam Automatik untuk mengautomasikan penemuan ciri-ciri dan memperkenalkan sel memori dengan pemahaman natif mengenai pentingnya masa di dalam aliran urus niaga, meningkatkan prestasi terkemuka di pasaran bagi Analitik Perilaku Adaptif syarikat. Mengesan penipuan sebelum wang mangsa keluar daripada akaun adalah barisan pertahanan terbaik terhadap penipuan, pengambilalihan akaun, serangan penipuan kad dan pembayaran. Untuk kumpulan berikut, kelebihan bagi Rangkaian Perilaku Mendalam Automatik termasuk:
Pengguna:
- Membolehkan urus niaga tulen dengan pengesahan yang dikurangkan; dan
- Secara automatik mengenal pasti penipuan, pengambilalihan akaun, serangan penipuan kad dan pembayaran sebelum wang mangsa keluar daripada akaun.
- Secara automatik menemui ciri-ciri di dalam peristiwa urus niaga;
- Menolak logik pembelajaran mesin melalui keseluruhan timbunan pemodelan;
- Memanfaatkan tindakan manusia yang tidak teratur untuk mengenal pasti tingkah laku anomalistik; dan
- Mengekalkan kesemua penemuan bagi Analitik Perilaku Adaptif Featurespace.
- Meningkatkan kepastian skor risiko merentasi semua urus sniaga (pengesanan penipuan semasa urus niaga meningkat dan tingkah laku tulen dikenal pasti dengan lebih tepat bagi memudahkan penerimaan lebih banyak urus niaga);
- Menyediakan peningkatan prestasi bagi semua jenis pembayaran, termasuk kad dan ACH/BACS, wayar, P2P dan pembayaran yang lebih pantas;
- Meningkatkan pengesanan bagi penipuan bernilai tinggi, bervolum rendah (dan juga pengesanan bagi penipuan bernilai rendah, bervolum tinggi);
- Mengurangkan pengesahan langkah demi langkah;
- Menyediakan dokumentasi tadbir urus model yang ketat, dengan logik yang dapat dijelaskan, pembuatan keputusan yang adil dan kod alasan; dan
- Menyampaikan pemarkahan tepat masa yang stabil dengan daya pemprosesan yang tinggi dan masa tindak balas kependaman rendah bagi perusahaan yang kritikal perniagaan, walaupun dalam keadaan meluap.
Excell seterusnya berkata, “Memandangkan pembayaran tepat masa, transformasi digital dan permintaan pengguna memerlukan pergerakan segera wang, peranan kami adalah untuk memastikan industri itu mempunyai peranti terbaik untuk melindungi organisasi dan pengguna mereka daripada jenayah kewangan. Saya sangat berbangga dengan pasukan penyelidikan kami dan dedikasi mereka terhadap inovasi pembelajaran mesin bagi pihak pelanggan kami.”