es Español

不正防止のルールを破る

「過去の経験のみを反映する従来の静的ルールベースのコントロールのみに依存し続けることはできますか?絶対にそうではありません。」

他の多くのクライアントと同様に、2020年XNUMX月に銀行から連絡があり、正しく挨拶した後、銀行業務での詐欺を防止するために個人データを共通ファイルに含めるように指示されました。 少なくとも、思考の糧となるメールです。 最初の反省は、すべての人のデータが詐欺を防ぐために価値があるということですが、XNUMX番目の反省は、データが転送された目的以外の目的に使用される可能性があり、そのような場合は同意が必要になるということです。 次に、最初のアイデアに焦点を当てます。 詐欺と戦うための優れたデータを持つことの利点。

私たちは必然的にすべてのプロセスの自動でインテリジェントな変換に向けて動きます。 顧客としての役割(オンライン購入または保険に関連する車両を使用する場合)または従業員としての役割(経費明細書を報告する場合、または資材の購入プロセスに参加する場合、またはサプライヤーからのサービス)。 そしてこれらのプロセスのすべてでトレースを残し、そのトレースはデータによって収集されます。 自動プロセスで収集されたものはすべて、プロセスの同じ瞬間に同じ範囲でリアルタイムに収集されるため、品質データです。  

プロセスが自動でインテリジェントである場合、内部と外部の両方の不正防止プロセスが反応的で愚かである必要があるのはなぜですか? 多くの場合、静的制御に基づく不正防止システムを、データから直接学習し、敏捷性を備えた現在の状況に適応する人工知能技術で補完する必要があります。 過去の経験のみを反映する静的ルールに基づく古典的な制御のみに依存し続けることはできますか? 絶対にそうではなく、さらに、状況が変化した場合、調査での誤検知を最小限に抑えるために、コントロールを自動的に変更する必要があります。

私たちの精神は、変数がほとんどなく、あまり動的でなく、知られていない環境でのみ、不正行為のパターンを発見することができます。 同時に、詐欺師は非常に複雑な方法を使用しており、想像するのがますます困難になっています。 詐欺師は常に、ビジネスの専門家のチームによって考案されたルールベースの(静的な)詐欺防止システムを予測しようとします。 次に、 どうすればほぼリアルタイムで新しい詐欺方法を発見できますか? 'のアルゴリズムを使用してデータから知識を機敏に抽出する分析モデルを使用機械学習 'つまり、データを原材料として使用して、機械が自ら「学習」する能力を研究する人工知能の分野です。

私たちは皆、機械が私たちに取って代わるという考えで人間として苦しんでいますが、私たちはお互いを補完する運命にあり、これらのプロセスでこの現実が明らかになるため、現実はまったく異なります。 この人間と機械の共生を説明するのに、最も要約されたバージョンで次のように指示されている「モラベックのパラドックス」よりも優れた方法はありません。人間にとって難しいことは機械にとって簡単であり、逆もまた同様です。」。 マシンは、数百の変数の相関関係に基づいて不正パターンを簡単に見つけることができます。 人間はこのデータシェーカーをどのように補完できますか? 詐欺を示す可能性のある変数を導入する際に、創造性や人間の直感などの最適な要素を含める。

このインテリジェントシステムによって提供される結果を私たちの研究で評価することもできます。その場合、マシンはどのように好意を取り戻すのでしょうか。 自動的に起動されたメカニズムによる調査の後、失敗と成功を伴うデータから直接再学習します。

コラボレーションはすぐにメリットをもたらします。 データの性質に応じて、現在のシステムを補完するためにさまざまな学習手法を使用できます。 調査の結果や不正の履歴がある場合は、予測モデルまたは分類モデルを使用して、過去に見つかったものと非常によく似たケースを見つけることができます。 たとえば、保険金詐欺防止モデルであるむち打ち症を構築している場合、すでに調査されて不正であることが判明したクライアントを含める必要があります。これにより、マシンはそれらから学習し、他の疑わしいクライアントを提供します。行動。これらは、詐欺の可能性とともに。 逆に、新しいプロセスであるために調査が利用できない場合は、他の個人とは異なる動作を提供する異常検出モデルから開始し、調査を開始するための良い出発点になります。 以前のXNUMXつのモデルは、個々の行動パターンを検出するモデルですが、詐欺はしばしば協調的であることを忘れてはなりません。 したがって、グラフやネットワークの分析と呼ばれる別の補完的な手法を使用して、グループによって実行された異常な企業構造や疑わしい操作を発見できるようにする必要があります。 企業構造に関しては、税務当局は、企業の実質的所有者に関する公証人のデータベースにアクセスして、不正との戦いを強化し、完全な調査を実施します(リンク).

要するに、 不正である可能性のある操作が実行されているかどうかを判断したり、不正である可能性について警告を発したりするためにデータが不可欠な味方となるプロセスで、メカニズムとシステムを再設計または確立できることは明らかです。 。。 実際、私たちの日常生活では、複数のアプリケーションを備えたシステムを開発できます。 たとえば、私たちの以前の履歴に基づいて、実行された操作が疑わしいかどうかをオンライン購入プロセスで判断して、私たちの外部の誰かが私たちの身元を不正に偽装できたかどうかを検出できるシステムを想像してみてください。銀行カードをご利用ください。

私たちの日常生活に影響を与えるもうXNUMXつの例は、私たちの運転または私たちの車にアクセスできる他の人々(私たちの配偶者や子供など)の運転ができるかどうかを判断するシステムを組み込んだ運転保険の開発です。関連性があると宣言されます。紛失または事故後。

'のアプリケーションのXNUMXつ機械学習「多くの企業の関心の高まりを検出した不正との戦いでは、従業員の経費を割り当てるプロセスを管理するのに役立つインテリジェントシステムの開発に焦点を当てています。 つまり、会社の他の従業員のデータに基づいて、従業員があなたの仕事に起因する費用が異常な金額を示しているかどうかを判断できるシステムです。 企業のサービスや資材の購入プロセスを監視するアプリケーションの開発にも同様の関心が寄せられています。 この場合、インテリジェントシステムは、バイヤー、サプライヤー、および承認者によるすべての注文のデータを使用した異常検出モデルを使用して、分別などの一般的な内部監査人の管理を補完できます。

最終的には、 昨年加速したデジタル化プロセスは止められず、企業がこれらの紛争に対応し、コンプライアンスを遵守しながら資本(経済的および人的)を保護するのに役立つツールを手に入れるために、詐欺との戦いにも必然的に到達する必要があります規則。

過去の経験のみを反映する従来の静的ルールベースのコントロールのみに依存し続けることはできますか? 絶対にありません

マヌエルマリンマルティネス

FTIコンサルティングスペインのマネージングディレクター。

データサイエンスと分析

記事がおもしろいと思ったら、

ソーシャルネットワークで共有することをお勧めします

Twitter
LinkedIn
Facebook
お使いのメールアドレス

コメントを残します

このサイトはAkismetを使用して迷惑メールを減らします。 コメントデータの処理方法を学ぶ.

お問合せ

フォームに記入してください。すぐにチームの誰かから連絡があります。