Heute stellt Featurespace mit Automated Deep Behavioral Networks für die Karten- und Zahlungsbranche eine tiefere Abwehrschicht zum Schutz der Kunden vor Vorschussbetrug, Kontoübernahmen und weiteren Formen von Karten- und Zahlungsbetrug vor, die im Jahr 2020 schätzungsweise 42 Milliarden USD gekostet haben.
„Die Bedeutung dieser Entwicklung geht über die reine Bekämpfung von Finanzkriminalität hinaus. Es handelt sich im Prinzip um die nächste Generation des maschinellen Lernens“, sagte Dave Excell, Gründer von Featurespace.
Die Erfindung
Diese Erfindung ist ein Durchbruch für die Technologie des Deep Learning und machte eine völlig neue Art der Strukturierung und Erstellung von Plattformen für maschinelles Lernen erforderlich. Automated Deep Behavioral Networks ist eine neue Architektur auf Grundlage von Recurrent Neural Networks, die nur mit der neuesten Version des ARIC™ Risk Hub verfügbar ist.
Die Herausforderung und die Entdeckung
Für Deep-Learning-Technologien gibt es verschiedene Anwendungsbereiche, etwa die Verarbeitung natürlicher Sprache zur Vorhersage des nächsten Wortes in einem Satz. Ihre Verwendung zur Verhinderung von Betrug mit Karten und Zahlungen war jedoch bisher nicht optimiert, um Unternehmen und Verbraucher wirklich davor zu schützen. Mit dieser Erfindung ist das Problem gelöst.
Transaktionen verlaufen intermittierend. Damit ist ein kontextbezogenes Verständnis von Zeit entscheidend für die Vorhersage von Verhaltensweisen. Bisher mussten Datenwissenschaftler bei der Entwicklung effektiver Modelle des maschinellen Lernens zur Betrugsprävention über umfassende Fachkompetenz verfügen, um die geeigneten Dateneigenschaften zu ermitteln und auszuwählen – ein arbeitsaufwendiger, jedoch wichtiger Schritt.
Featurespace Research hat Automated Deep Behavioral Networks entwickelt, um die Aufdeckung dieser Eigenschaften zu automatisieren und Speicherzellen mit einem nativen Verständnis der Bedeutung der Zeit bei Transaktionsströmen einzuführen. Damit wird die marktführende Leistung der Adaptive Behavioral Analytics des Unternehmens weiter verbessert. Die Erkennung eines Betrugsfalls, bevor das Geld des Opfers vom Konto verschwindet, ist die beste Verteidigungslinie gegen Vorschussbetrug, Kontoübernahmen und andere Versuche von Karten- und Zahlungsbetrug. Für die folgenden Gruppen bieten die Automatic Deep Behavioral Networks jeweils Vorteile:
Verbraucher:
- Ermöglichung echter Transaktionen mit reduzierter Verifizierung
- automatische Erkennung von Vorschussbetrugsversuchen, Kontoübernahmen und anderen Versuchen von Karten- und Zahlungsbetrug, bevor das Geld des Opfers vom Konto verschwindet
Datenwissenschaftler:
- automatische Erkennung der Eigenschaften von Transaktionsereignissen
- Anwendung der Logik maschinellen Lernens im gesamten Modeling Stack
- Nutzung der Unregelmäßigkeiten im menschlichen Verhalten zur Erkennung anomalistischer Verhaltensweisen
- Speicherung aller Entdeckungen der Adaptive Behavioral Analytics von Featurespace
Karten- und Zahlungsbranche:
- höhere Zuverlässigkeit einer Risikoeinstufung bei allen Transaktionen (Erkennung von Betrugsfällen während der Transaktion wird erleichtert, und reguläres Verhalten wird genauer erkannt, damit mehr Transaktionen leichter akzeptiert werden können)
- Leistungssteigerung für alle Zahlungsarten, einschließlich Karten und ACH/BACS, Überweisungen, P2P und beschleunigte Zahlungen
- bessere Erkennung von Betrugsfällen mit hohen Beträgen und niedrigem Volumen (sowie Erkennung von Betrugsfällen mit niedrigen Beträgen und hohem Volumen)
- Reduzierung von Authentifizierungen mit zusätzlichen Schritten
- Governance-Dokumentation anhand strenger Modelle mit erklärbarer Logik, fairen Entscheidungen und Ursachenschlüssel
- stabile Bewertungen in Echtzeit mit hohem Durchsatz und Reaktionszeiten mit geringer Latenz für geschäftskritische Unternehmeungen, auch unter erschwerten Bedingungen
Excell sagte weiter: „Da Zahlungen in Echtzeit, die digitale Transformation sowie die Verbrauchernachfrage sofortige Geldbewegungen erfordern, besteht unsere Funktion darin, sicherzustellen, dass die Branche über die besten Werkzeuge zum Schutz ihrer Unternehmen und Verbraucher vor Finanzkriminalität verfügt. Ich bin äußerst stolz auf unser Forschungsteam und sein Engagement für Innovationen des maschinellen Lernens im Namen unserer Kunden.“
Über Featurespace – www.featurespace.com
Featurespace™ ist hinsichtlich Maßnahmen gegen Betrug und Geldwäsche der weltweite Marktführer bei der Verhinderung von Finanzkriminalität gegen Unternehmen. Featurespace hat Adaptive Behavioral Analytics und Automated Deep Behavioral Networks erfunden, die beide über die ARIC™-Plattform verfügbar sind. Diese Software für maschinelles Lernen in Echtzeit erstellt Risikobewertungen für Ereignisse in mehr als 180 Ländern, um Betrug und Finanzkriminalität vorzubeugen.
Der ARIC™ Risk Hub nutzt eine fortschrittliche, erklärbare Anomalie-Erkennung, über die Finanzinstitute automatisch Risiken erkennen, neue Betrugsversuche aufhalten und verdächtige Aktivitäten in Echtzeit ermitteln können. Mehr als 30 große global tätige Finanzinstitute nutzen ARIC, um ihre Geschäftstätigkeiten und ihre Kunden zu schützen. Zu den publik gemachten Kunden zählen HSBC, TSYS, Worldpay, NatWest Group, Contis, Danske Bank, ClearBank, AK Bank und Permanent TSB.
Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.
Originalversion auf businesswire.com ansehen: https://www.businesswire.com/news/home/20210225006340/de/