Машинное обучение поможет банкам в борьбе с карточным мошенничеством
30.12.2020
Источник:
PAYSPACE MAGAZINE
Технологии машинного обучения и автоматического определения местоположения — на страже клиентов банков
В ходе пандемии потребители банковских услуг в значительной степени полагались на дебетовые расчеты, т.к. экономические трудности, возникшие в результате локдауна поставили под угрозу многие рабочие места, что заставило клиентов относиться к перспективе получения долга по кредитной карте с опасением. Согласно недавнему исследованию, ожидается, что $100 млрд ежегодных расходов по кредитным картам в будущем «перейдут» на дебетовые карты. Дебетовый способ оплаты основан на тех средствах, которые потребитель уже имеет на своем банковском счете.
Несмотря на то, что дебетовый платеж несколько успокаивает владельца карты, опасающегося долгов, существует риск кражи данных по дебетовым картам мошенниками. И хотя мошенничеству подвергаются менее 1% покупок, оплаченных с помощью карт, клиенты, которые пострадали от рук злоумышленников, должны пройти длительные и весьма стрессовые процедуры, прежде чем деньги будут возвращены.
Машинное обучение — это мощный и гибкий инструмент в борьбе с киберпреступниками, которые пытаются скомпрометировать дебетовый платеж. Передовая технология обучения может быть особенно полезна в борьбе против мошенничества без предъявления карты (CNP), исходящего от мошенников из-за границы. Но, по словам Карен Бойер и Фрэнка Вилахана, руководителей People’s United Bank, она лучше всего работает в рамках многоуровневого подхода. Кроме того, отслеживание местоположения позволяет финансовым учреждениям выявлять подозрительные трансакции, например, когда пользователь совершает мобильный платеж из одного города при том, что обычно живет или зарегистрирован в другом. Однако данная технология защиты усложняет привлечение новых клиентов.
В ходе пандемии потребители банковских услуг в значительной степени полагались на дебетовые расчеты, т.к. экономические трудности, возникшие в результате локдауна поставили под угрозу многие рабочие места, что заставило клиентов относиться к перспективе получения долга по кредитной карте с опасением. Согласно недавнему исследованию, ожидается, что $100 млрд ежегодных расходов по кредитным картам в будущем «перейдут» на дебетовые карты. Дебетовый способ оплаты основан на тех средствах, которые потребитель уже имеет на своем банковском счете.
Несмотря на то, что дебетовый платеж несколько успокаивает владельца карты, опасающегося долгов, существует риск кражи данных по дебетовым картам мошенниками. И хотя мошенничеству подвергаются менее 1% покупок, оплаченных с помощью карт, клиенты, которые пострадали от рук злоумышленников, должны пройти длительные и весьма стрессовые процедуры, прежде чем деньги будут возвращены.
Машинное обучение — это мощный и гибкий инструмент в борьбе с киберпреступниками, которые пытаются скомпрометировать дебетовый платеж. Передовая технология обучения может быть особенно полезна в борьбе против мошенничества без предъявления карты (CNP), исходящего от мошенников из-за границы. Но, по словам Карен Бойер и Фрэнка Вилахана, руководителей People’s United Bank, она лучше всего работает в рамках многоуровневого подхода. Кроме того, отслеживание местоположения позволяет финансовым учреждениям выявлять подозрительные трансакции, например, когда пользователь совершает мобильный платеж из одного города при том, что обычно живет или зарегистрирован в другом. Однако данная технология защиты усложняет привлечение новых клиентов.