Rilevamento delle frodi attraverso l’intelligenza artificiale

Le banche perdono miliardi di dollari a causa di frodi ogni anno. Infatti, secondo l’ Association of Certified Fraud Examiners (ACFE), le banche e altre organizzazioni perdono annualmente almeno il 5% delle loro entrate a causa di frodi.

Gli Stati Uniti perdono ogni anno almeno 200 miliardi di dollari a causa di frodi. La frode è diventata più facile con il progresso della tecnologia e costa ai consumatori più che mai. Ecco perché le banche tradizionali spendono milioni in tecnologie antifrode, gli analisti che studiano il settore avvertono che le banche stanno perdendo questa corsa agli armamenti.

Secondo un KPMG , i costi delle frodi stanno aumentando a un ritmo più veloce di quanto le banche stiano spendendo per la gestione delle frodi. Ciò richiede un cambiamento radicale nella prevenzione e individuazione delle frodi, altrimenti il modello di business bancario diventerà insostenibile.

Fortunatamente per il settore bancario, il fintech, che per un certo periodo è stato visto come una minaccia diretta e un concorrente, sta emergendo come il più probabile salvatore. Le aziende e le startup fintech come Zafin, Backbase, Shield e altre stanno utilizzando l’apprendimento automatico e l’intelligenza artificiale per affrontare il problema delle frodi.

Che cos’è il rilevamento delle frodi?

Il rilevamento delle frodi è il processo di identificazione dell’attività fraudolenta, sia che si tratti di un tentativo di commettere frode o di una frode effettiva che ha avuto luogo. La frode può assumere molte forme, come frode con carta di credito, frode assicurativa o frode transazionale. Le istituzioni finanziarie, i rivenditori e altre aziende perdono miliardi di dollari ogni anno direttamente e indirettamente a causa di frodi.

Perdere soldi direttamente ha senso. Qualsiasi caso di frode come l’hacking o lo skimming di bancomat è una frode diretta con la banca. La perdita indiretta di denaro per frode si riferisce alla falsa identificazione di transazioni legittime come fraudolente. Ciò accade principalmente quando le misure di rilevamento delle frodi sono così elevate che anche le transazioni legittime vengono contrassegnate come fraudolente dal sistema. Le banche perdono circa 118 milioni di dollari all’anno a causa di tali falsi allarmi.

Inoltre, il costo della prevenzione delle frodi non è statico. Il costo della prevenzione delle frodi con carta di credito online aumenta nel tempo man mano che gli hacker migliorano nel loro lavoro. Secondo il rapporto sul costo della frode del 2017 pubblicato da LexisNexis, l’81% degli istituti finanziari ha riferito che ora sarebbe più costoso prevenire le transazioni fraudolente rispetto al 2015.

Tecnologie utilizzate nel rilevamento delle frodi

L’apprendimento automatico e l’intelligenza artificiale sono già utilizzati dalle banche per il rilevamento delle frodi. L’apprendimento automatico è un’applicazione dell’intelligenza artificiale (AI) in cui i programmi possono apprendere da soli, diventando automaticamente più accurati nella previsione dei risultati senza una programmazione esplicita. Ad esempio, il programma sarebbe in grado di identificare le transazioni fraudolente più velocemente di un essere umano e potrebbe persino imparare a prevenire le frodi meglio degli esseri umani.

L’intelligenza artificiale è la simulazione dei processi di intelligenza umana da parte delle macchine, in particolare dei sistemi informatici. Questi processi includono l’apprendimento (l’acquisizione di informazioni e regole per l’utilizzo delle informazioni), il ragionamento (l’uso di regole per raggiungere conclusioni approssimative o definite) e l’autocorrezione. L’intelligenza artificiale è diventata più popolare perché i recenti progressi tecnologici hanno permesso di incorporare l’IA nei sistemi informatici.

Tendenze nel rilevamento delle frodi

Poiché l’apprendimento automatico e l’intelligenza artificiale continuano a migliorare, si osservano ulteriori progressi nel campo del rilevamento delle frodi. L’entità di questi cambiamenti non può essere prevista esattamente, ma alcuni ricercatori hanno fornito suggerimenti per potenziali nuovi usi della tecnologia.

Rilevamento di anomalie

Secondo molti ricercatori, l’IA potrebbe essere utilizzata per rilevare anomalie nel comportamento dei clienti. Se un determinato modello fosse identificato come insolito, sarebbe contrassegnato per l’ispezione manuale.

Il “rilevamento delle anomalie” può anche svolgere un ruolo nel miglioramento del software di rilevamento delle frodi. Un’anomalia è qualcosa che non corrisponde a una norma o un modello previsto. Se sono presenti anomalie nel comportamento dei clienti segnalate come potenzialmente fraudolente, è possibile determinare che probabilmente si è verificata una frode.

Zafin ha collaborato con le principali istituzioni bancarie di tutto il mondo, tra cui Barclays, HSBC e Deutsche Bank. Molte di queste banche hanno subito perdite significative a causa di frodi negli ultimi anni. Gli algoritmi brevettati dell’azienda rilevano un’ampia gamma di attività fraudolente, tra cui il riciclaggio di transazioni e le acquisizioni di account.

Backbase opera di nascosto da anni ormai per creare la sua soluzione “Prevenzione delle frodi invisibile”. Secondo le fonti, questo strumento utilizza l’apprendimento automatico e l’intelligenza artificiale per identificare le anomalie nel comportamento dei clienti, nonché la logica basata su regole per determinare se

Dinamiche sociali

I ricercatori suggeriscono anche che le “dinamiche sociali online” possono offrire una visione unica del rilevamento delle frodi. Ciò si basa sull’idea che “gli agenti nei social network tendono a formare comunità con preferenze, norme e relazioni di fiducia. Queste connessioni potrebbero essere utilizzate per identificare le frodi”.

Il confine tra l’analisi dinamica sociale online e la politica del credito sociale è molto sottile. La Cina ha implementato con successo un sistema di polizia basato sul credito sociale a Shenzhen, che è emersa come la capitale tecnologica della Cina. Se questo sia buono o cattivo, è un dibattito diverso.

Analisi biometrica

La biometria non è un concetto nuovo, ma l’implementazione di questa tecnologia si sta evolvendo utilizzando la scienza dei dati e l’apprendimento automatico per renderla ancora più sicura. Ad esempio, i programmi di riconoscimento facciale sono in grado di identificare i singoli utenti attraverso caratteristiche facciali specifiche, il che significa che le password non sono più necessarie.

L’analisi biometrica vocale è un’altra idea suggerita dai ricercatori. Funziona utilizzando un software per analizzare la voce di un cliente e può rilevare la frode in base al fatto che corrisponda o meno alle informazioni precedenti archiviate. Un esempio di questo tipo di tecnologia in uso è AIT Group, che fornisce servizi per alcune banche malesi. Scansionando 200 punti dati, come il tono e il tono della voce, il software di AIT può condurre un “test di phishing in tempo reale” mentre i clienti chiamano per fare domande.

Utilizzando queste tecnologie, le banche saranno in grado di identificare meglio le potenziali frodi prima che si verifichino, riducendo le perdite.

Il rilevamento delle frodi è una considerazione importante per le istituzioni finanziarie, ma le vecchie tecniche non sono più sufficienti per stare al passo con le ultime truffe. L’era della prevenzione delle frodi con “forza bruta” ha lasciato il posto a un approccio più sfumato che utilizza l’apprendimento automatico e la tecnologia dell’intelligenza artificiale in modi nuovi e creativi.

In questo articolo, abbiamo discusso di come queste tecnologie possono aiutare le banche a identificare anomalie o cambiamenti nel comportamento dei clienti che potrebbero indicare attività fraudolente, prima che accada!