کشف تقلب (Fraud detection) فرآیندی است که با شناسایی کلاهبرداری، از دستیابی کلاهبرداران به پول یا دارایی از طریق نادرست جلوگیری میکند. تقلب یک ریسک تجاری جدی است که باید به موقع شناسایی و رفع شود.
تشخیص تقلب چیست؟
تشخیص تقلب فرآیندی است که کلاهبرداران را شناسایی و از فعالیتهای متقلبانه آنها جلوگیری میکند. اجرای این فرآیند در بخشهای بانکی، بیمه، پزشکی و همچنین سازمانهای دولتی اهمیت زیادی دارد.
پولشویی، حملات سایبری، تراکنشها و چکهای بانکی جعلی، سرقت هویت و بسیاری از اقدامات غیرقانونی دیگر فعالیتهای متقلبانه نامیده میشوند؛ در نتیجه، سازمانها فناوریهای مدرن کشف و پیشگیری از تقلب و استراتژیهای مدیریت ریسک را برای مبارزه با این فعالیتهای متقلبانهی رو به رشد در پلتفرمهای مختلف اجرا میکنند.
این تکنیکها، تحلیلهای تطبیقی و پیشبینیکننده (یادگیری ماشین) را برای کشف تقلب به کار میگیرند. این امکان، نظارت مستمر بر تراکنشها و جرایم را بهصورت بلادرنگ فراهم میکند و همچنین میتواند از طریق اتوماسیون، به رمزگشایی اقدامات پیشگیرانه جدید و پیچیده کمک کند.
تشخیص تقلب چگونه کار میکند؟
بسیاری از کلاهبرداران اینترنتی با بررسی الگوهای مختلف و سوءاستفاده از نقاط ضعف یک سیستم، اقدام به کلاهبرداری میکنند.
مثلا یک هکر ممکن است یک برنامه کامپیوتری بنویسد که بهطور تصادفی هزاران پین ۴ رقمی را هر در ثانیه آزمایش کند تا رمز عبور یک کارت اعتباری را تشخیص دهد. از آنجایی که کلاهبرداری اغلب از طریق الگوها انجام میشود، تشخیص تقلب، از هوش مصنوعی برای جستجوی این الگوها کمک میگیرد و در صورت شناسایی، یک هشدار ارسال میکند. به عنوان مثال، بانک شما ممکن است برای تأیید تراکنشهای بانکی مشکوک، به شما پیامک هشدار برایتان ارسال کند.
انواع تکنیکهای تشخیص تقلب در کامپیوتر
تشخیص تقلب بهطور کلی شامل تکنیکهای مبتنی بر تحلیل دادهها است. این تکنیکها به ۲ دسته کلی «تکنیکهای تجزیه و تحلیل دادهای آماری» و «تکنیکهای هوش مصنوعی» طبقهبندی میشوند. در ادامه به بررسی دقیقتر این ۲ گروه میپردازیم.
تکنیکهای تجزیه و تحلیل دادههای آماری
این تکنیکها به ۴ دسته زیر تقسیم میشوند:
محاسبه پارامترهای آماری
این تکنیک به محاسبه پارامترهای آماری مختلف مانند میانگینها، چندکها، معیارهای عملکرد و توزیع احتمال برای دادههای مربوط به تقلب که در طول فرآیند جمعآوری دادهها به دست آمدهاند، اشاره دارد.
تحلیل رگرسیون
این تحلیل به شما امکان میدهد تا رابطه بین دو یا چند متغیر را بررسی کنید و همچنین رابطه بین متغیرهای مستقل و وابسته را تخمین بزنید. این کار به درک و شناسایی روابط بین چندین متغیر تقلب کمک میکند و بیشتر در پیشبینی فعالیتهای متقلبانه آینده موثر است.
توزیعهای احتمال و مدلها
در این تکنیک، مدلها و توزیعهای احتمالی فعالیتهای متقلبانه تجاری مختلف، بر حسب پارامترهای مختلف یا توزیعهای احتمال، ترسیم میشوند.
تطبیق دادهها
تطبیق دادهها برای مقایسه دو مجموعه از دادههای جمعآوری شده (یعنی دادههای تقلب) استفاده میشود. این فرآیند میتواند بر اساس الگوریتمها یا لوپهای برنامهریزی شده انجام شود. علاوه بر این، تطبیق دادهها برای حذف رکوردهای تکراری و شناسایی پیوندهای بین دو مجموعه داده برای بازاریابی، امنیت یا اهداف دیگر استفاده میشود.
تکنیکهای مبتنی بر هوش مصنوعی
تکنیکهای تشخیص تقلب مبتنی بر هوش مصنوعی شامل روشهای زیر است:
داده کاوی
در روش داده کاوی برای شناسایی و پیشگیری از تقلب، دادهها را طبقهبندی، خوشهبندی و بخشبندی میکند؛ سپس بهطور خودکار ارتباطات و قوانینی را در دادهها پیدا میکند که ممکن است نشان دهنده الگوهای مختلفی مانند الگوی مربوط به تقلب باشد.
شبکههای عصبی
این روش طبقهبندی، خوشهبندی، تعمیم و پیشبینی دادههای مرتبط با تقلب را انجام میدهد که میتوان آن را با نتایجی که در ممیزیهای داخلی یا اسناد مالی رسمی به دست میآیند مقایسه کرد.
یادگیری ماشین (ML)
تشخیص تقلب با یادگیری ماشین به دلیل توانایی الگوریتمهای ML برای یادگیری از الگوهای تقلب قبلی و شناسایی آنها در تراکنشهای آتی امکانپذیر میشود.
تشخیص الگو
الگوریتمهای تشخیص الگو، کلاسها، خوشهها یا الگوهای رفتار مشکوک تقریبی را به صورت خودکار (بدون نظارت) یا دستی (با نظارت) شناسایی میکنند. تکنیکهای دیگری مانند تحلیل پیوند، شبکههای بیزی، تئوری تصمیمگیری و تطبیق توالی نیز برای کشف تقلب استفاده میشوند.
کاربردهای تشخیص تقلب
کشف تقلب برای بانکها و سایر شرکتهایی که با تعداد قابل توجهی تراکنش مالی سر و کار دارند و بیشتر در معرض خطر تقلب مالی هستند، از اهمیت بالایی برخوردار است. با این حال، سایر بخشها مانند شرکتهای تجارت الکترونیک، پلتفرمهای پرداخت الکترونیکی و شرکتهای فینتک B2C نیز باید از تشخیص تقلب برای جلوگیری یا محدود کردن کلاهبرداری مالی استفاده کنند.
رایجترین کاربردهای کشف تقلب، کلاهبرداری مرتبط با حساب و کلاهبرداری در پرداخت و تراکنش است. این نوع کلاهبرداری، بیشتر به ایجاد یک حساب جدید تقلبی و اختیار گرفتن حساب مشتریان تقسیم میشود.
در روش اول، حسابهای جدید با استفاده از هویتهای جعلی ایجاد میشوند. این کلاهبرداریها را میتوان با استفاده از الگوهای دستگاههای مختلف و شاخصهای session برای شناسایی هویتهای جعلی شناسایی کرد. روش دوم زمانی اتفاق میافتد که یک هکر با استفاده از حساب شخص دیگر، محصولات یا خدمات سایت شما را خریداری میکند. برای جلوگیری از این اتفاق، شاخصهای session، دستگاه و رفتار کاربر را میتوان بررسی و بر اساس آن، حساب را تأیید کرد.
چرا تشخیص تقلب برای کسبوکارها مهم است؟
معمولا شرکتها از نرمافزارهای تشخیص تقلب برای مبارزه با کلاهبرداری استفاده میکنند، اما مزیت بزرگ چنین ابزارهایی این است که کارایی را در هنگام مدیریت حجم بالای تراکنشها افزایش میدهد. با کمک یادگیری ماشین و ابزارهای موجود، یک کسبوکار میتواند به راحتی تراکنشها را بدون نیاز به نیروی انسانی و تنها با اسکن چند منبع داده، خودکار کند تا نیاز به بررسیهای دستی کاهش یابد.
شما به عنوان یک کسبوکار حرفهای، وظیفه دارید از مقررات AML آگاه باشید و از آن پیروی کنید. مهمترین قوانینی که باید در این زمینه دنبال کنید عبارتند از:
دوره نگهداری AML: توصیه میشود وجوه سپرده شده در یک حساب باید حداقل تا پنج روز کاری نگهداری شود.
گزارش فعالیت مشکوک: کسبوکارها باید بر سپردهها و تراکنشهای مشتریان خود نظارت داشته باشند.
آموزش AML: مسئولیت اطلاعرسانی به مشتریان در مورد قوانین AML بر عهده کسبوکار است.
ثبت اطلاعات مالی: کسبوکارها باید سوابق تمامی تراکنشها را نگهداری کنند تا بتوان از آنها برای بررسی تراکنشهای مالی مشکوک استفاده کرد.
بررسی دقیق مشتری (CDD): تشخیص هویت مشتریان از طریق بررسیهای گسترده تأیید KYC نیز بر عهده کسبوکار است.
نرمافزار شناسایی تقلب و جلوگیری از پولشویی سحاب
همانطور که گفتیم، بانکها، موسسات مالی، بیمهها و … سالیانه مبلغ زیادی را بر اثر تقلب و کلاهبرداری از دست میدهند. با گسترش خدمات الکترونیکی، میزان این تقلبها بیشتر هم شده است.
با استفاده از تکنولوژیهایی مانند هوش مصنوعی و یادگیری ماشین میتوان این تقلبها و تخلفها را کشف و از آنها جلوگیری کرد. نرمافزار شناسایی تقلب و جلوگیری از پولشویی سحاب با رصد میلیونها تراکنش در لحظه به شناسایی تقلب و جلوگیری از زیان مالی سازمان کمک میکند و باعث افزایش شفافیت در سازمان، کاهش ریسک و خطرات غیرقابل پیشبینی، انطباق سازمان با قوانین کشوری و بینالمللی و افزایش درآمد و سرعت رشد و توسعه سازمان میشود.
دیدگاه شما