+98 21 با ما تماس بگیرید 24597570

صفحه اصلی » MachineLearning » یادگیری ماشینی، سلاح مخفی فینتک ها برای مقابله با کلاهبرداری و تقلب

یادگیری ماشینی، سلاح مخفی فینتک ها برای مقابله با کلاهبرداری و تقلب

یادگیری ماشینی، سلاح مخفی فینتک ها برای مقابله با کلاهبرداری و تقلب

صنعت فینتک ماشینی با سرعت خیلی بالاست، که تکنولوژیهای نوظهور سوخت موتور آنرا برای ادامه مسیر تامین می کنند. یکی از اجزای حیاتی برای این صنعت در حال رشد یادگیری ماشینی است.

در دیکشنری کسب و کار یادگیری ماشینی چنین تعریف شده:

توانایی یک ماشین برای بهبود عملکرد خود از طریق استفاده از نرم افزار که تکنیک های هوش مصنوعی را برای تقلید از روش هایی که به نظر می رسد انسان ها برای یادگیری از آن استفاده می کنند،روشهایی مانند تکرار و تجربه

به طور خلاصه و اجمالی زیر مجموعه ای از علوم داده است که در آن کامپیوترها با استفاده از الگوریتمهای هوش مصنوعی بدون نیاز به برنامه ریزی فرآیند یادگیری را انجام می دهند.

طبق آمار بازار، گردش مالی در صنعت یادگیری ماشینی تا سال 2019 به 12.5 میلیارد دلار افزایش خواهد یافت. در حال حاضر تقاضا برای استخدام مهندسان یادگیری ماشینی بالا رفته و دانشمندان داده از نشر میزان حقوق و مزایا، تعداد موقعیت های شغلی و رضایت شغلی در بالاترین سطح در مقایشه با دیکر مشاغل هستند. شرکتهایی مثل Byte Academy هم دوره های رای برگزار می کنند که افراد در آن می توانند مهارتهای مورد نیاز در این زمینه را کسب کنند تا بتوانند موقعیت های شغلی بوحود آمده را شکار کنند.

مطمئنا تعجب خواهید کرد وقتی متوجه شوید چه اپلیکشنهایی از یادگیری ماشینی استفاده می کنند. از سرویس پست الکترونیکی که ایمیل های اسپم را تشخیص می دهد تا گوگل که از آن برای پیدا کردن بهترین و مرتبط ترین نتیجه جستجو و حتی اپلیکیشنهای حوزه سلامت مثلا” آنهایی که سکته یا تشنج را پیش بینی می کنند. یا این حال یکی از مهمترین و رایج ترین کاربردهای یادگیری ماشینی کشف و جلوگیری از تقلب و کلاهبرداری است.

کلاهبرداری و تقلب یک معضل جهانی است و سالیانه بیلیونها دلار خسارت وارد می کند. به گفته سازمان بین المللی حسابرسی و ارائه دهنده خدمات حرفه ای (PWC) 36% از سازمانهای بین المللی تجربیاتی در زمینه جرایم اقتصادی داشته اند. بسیار حیرت آور است، این یعنی از هر 3 کسب و کار یکی خسارت دیده است. با توجه به محبوب شدن فینتک ها مقدار کلی تراکنش هایی که بانک ها و سایر موسسات مالی باید با آن مواجه باشند، با سرعت و نرخ رشد بالایی در حال افزایش است.از سوی دیگر، زمان لازم برای تکمیل یک تراکنش کوتاهتر شده است. این برای کاربران و مشتریان نهایی خبر خوبیست ولی این حجم بالای تراکنش که باید در زمان کوتاهی اجام گیر فشار زیادی را بر روی سیستم های کشف کلاهبرداری وارد می کند.

مردم بیشتر و بیشتر از راه حل های دیجیتال در زندگی خود استفاده می کنند و حجم وسیعی از داده ها را در طول مسیر تولید می کنند. این اطلاعات دارای پتانسیل زیادی است. نقطه قوت یادگیری ماشین، شناسایی الگوها در حجم های زیاد داده است.بدین ترتیب، ایده آل ترین راه برای تشخیص کلاهبراداری یا تقلب  اینست که جاهایی که از این الگو منحرف شده را پیدا کنیم.

همانطور که تکنولوژی در حال تکامل است، متاسفانه کلاهبرداران هم متاسف هستند، پیدا کردن راه های پیچیده تر برای بهره برداری از نقاط ضعف در داده ها برای به دست آوردن سود شخصی. مشکل این است که بسیاری از استراتژی های جلوگیری از تقلب سنتی مبتنی بر تشخیص هستند. این بدان معنی است که وقتی یک فرم تقلب شناسایی شد، تنها پس از آن برخی از روش های پیشگیرانه اجرا خواهد شد. تا آن زمان مجرك ها به كار بعدی ادامه داده و چرخه خود را تكرار می كنند. با این حال، با یادگیری دستگاه، یک کامپیوتر می تواند داده ها را تجزیه و تحلیل کند، تصمیم گیری را بر اساس ورودی انجام دهد و خروجی را تغییر دهد. پیشرفت در تکنولوژی به این معناست که بدون مداخله انسان می تواند این کار را انجام دهد و همچنین به عنوان «یادگیری بدون نظارت» شناخته می شود.

این بدان معنا نیست که فضایی برای عنصر انسانی در تشخیص تقلب وجود ندارد. یادگیری ماشینی تحت نظارت اشاره دارد به فرآیند یادگیری که در آن مجموعه ای از مجموعه ترکنشهای تصادفی انتخاب شده است و سپس به صورت دستی به صورت تراکنش صحیح یا تراکنش کلاهبرداری مرتب شده اند. سپس از اسن اطلاعات برای ایجاد یک الگوریتم استفاده می شود که کامپیوتر را قادر می سازد مجددا” رکوردهای جدید را به صورت تراکنش صحیح یا تراکنش کلاهبرداری جدا کند.

در یادگیری ماشین نقاط داده های زیادی وجود دارد که یک الگوریتم قبل از هرگونه تصمیم گیری، آنها را ارزیابی می کند. این نقاط شامل رفتار گذشته مشتریان (زمان، نوع فعالیت، مکان، و غیره) به قابلیت اطمینان تامین کنندگان است.

یکی دیگر از مزایای استفاده از کامپیوترهای مدرن، توانایی آنها در پردازش و تجزیه و تحلیل داده ها بسیار سریعتر و در مقادیری بسیار بیشتر از یک انسان می باشد. و همانطور که یادگیری ماشین براساس تجزیه و تحلیل حجم زیادی از داده ها است، آنها بسیار سریعتر از مغز ما قادر به تشخیص و جلوگیری از تقلب هستند. سرعت پردازش در نرم افزار پیشرفته، اجازه می دهد تا در عرض چند ثانیه، تعیین کند که آیا تراکنش باید به صورت بالقوه جعلی باشد یا خیر. بنابراین تراکنش جعلی قبل از اینکه کامل شود مسدود می شود.

پلتفرم های یادگیری ماشین ورد استفاده در تشخیص کلاهبرداری و تقلب باید پاسخگو باشند، قابلیت انطباق داشته باشند و بیشتر از همه، آنها باید بسیار دقیق باشند. ارائه خدمات خوب به مشتریان خیلی خوب است اما هنگامی ترکانش های مشتریان عادی خود را که مشغول کسب و کار روزانه خود تقلب تشخیص می دهید با خطر از دست دادن یک مشتری وفادار روبرو خواهید شد. خوشبختانه، همانطورکه به سرعت پردازش زیاد در بالا اشاره شد، رایانه ها در پردازش داده های با حجم بالا نسبت به مغز انسان بسیار دقیق تر هستند.

در نهایت بحث هزینه و سود همیشه وجود دارد. بانک ها و سایر موسسات مالی سالانه میلیون ها دلار را برای پیشگیری از تقلب هزینه می کنند. این هزینه بسیار زیاد شامل هزینه بررسی و نظارت و قانونگذاری جنبه های مختلف تجاری می باشد. واقعیت امر این است که نرم افزارهای کامپیوتری نه تنها باعث می شود که این فرایند سریع تر و دقیق تر باشد، بلکه با پیشرفت در یادگیری ماشینی، می تواند آنرا با هزینه بسیار کمتری انجام دهد.  در جایی که سازمانها به طور سنتی مجبور بودند کارکنان متعدد را برای نظارت بر معاملات و فعالیت های شرکتی استخدام کنند، اکنون قادر به دستیابی به همان نتیجه با یک کامپیوتر با امکانات هوشمند ماشین های یادگیری می باشند.

Oakhall، یک شرکت تحلیلی در لندن، برآورد می کند که صرفه جویی کلی به دلیل استفاده از یادگیری ماشین می تواند به اندازه 12 میلیارد دلار در سال باشد.

مخالفان و افراد شکاکی هم هستند که معتقدند ماشین ها مشاغل را از دست انسانها خارج می کنند. در مورد این نگرانی بارها و بارها شنیده ایم. با این حال، اثر برابر و مخالف وجود دارد. تقاضای بالا برای فن آوری، به ویژه در شناسایی و جلوگیری از تقلب، منجر به افزایش فرصت ها در بخش علوم داده ها می شود.

حوزه یادگیری ماشینی می توانند در حل یک مشکل جهانی که هر ساله میلیاردها دلار هزینه و خسارت دارد کمکی کرده باشند

Leave a Reply

Your email address will not be published.