使用你的數據停止信用卡欺詐:第一資本和其他最佳實踐

欺詐是一個昂貴的和日益嚴重的問題研究估計1美元的欺詐成本3.36 x公司退款,替換和運營成本。增加了痛苦,據專家,沒有足夠的法規來保護小企業從退款和欺詐造成的損失。盡管顯著提高信用卡詐騙,風險管理技術有改編,騙子還能找到漏洞並利用係統。信用卡公司,欺詐的威脅卡的使用是一個常數,其結果準確的信用卡欺詐檢測係統的必要性。所有組織都是詐騙和欺詐活動的風險,但這種風險尤為繁重的金融服務。“威脅來自內部或外部來源,但效果可能是毀滅性的——包括消費者信心喪失,監禁,甚至公司的垮台,“說Badrish Davay,機器學習數據工程和領導人在首都。CNBC報告美國是世界上最容易發生信用卡詐騙的國家。

使用機器學習的欺詐檢測
不過,這並不是都是壞消息。隨著現代進步,企業能夠保持領先地位的威脅利用數據和機器學習。作為一個技術在最近的談話數據+人工智能峰會,我們能夠得到一個窺第一資本是如何使用數據和人工智能(AI)地址欺詐。Badrish Davay從資本一個共享如何利用先進的ML算法來保持領先的攻擊者,與此同時,不斷學習新方法係統是被剝削的。“為了更動態地檢測欺詐性交易,一個可以訓練毫升模型的數據集,包括信用卡交易數據,以及卡和持卡人的人口統計信息。第一資本使用磚來實現這一目標,”Davay指出。

玩這個視頻,請點擊這裏,接受餅幹

第一資本分析所有的欺詐活動了解尋找信用卡欺詐。Davay提出6他們問,“W”問題誰,什麼時候,在哪裏,為什麼如果嗎?——用於發現欺詐活動的趨勢。Davay強調卡信息可能被泄露的各種場景和異常檢測以及數據如何幫助識別欺詐。例如,他共享地理空間數據如何檢測使用偷來的信用卡信息時遠離它的實際位置,以及時態數據以確定欺詐。

Davay也解釋說,當客戶身體失去一張牌,但沒有通知組織的上下文信息(如工作時間、消費習慣等)可以幫助確定交易是否常規或異常。Davay的關鍵是,我們應該能夠將多個獨立的信號結合在一起得到一個更廣泛的上下文在牽引和人口統計數據。數據的可用性和ML的進步,預防欺詐是一個關鍵領域毫升正在改變工作流程和結果,使組織保持領先的技術越來越先進的罪犯。

今天的企業正麵臨著日益複雜的敵人攻擊,響應和變化戰術極其迅速。由於動力學的欺詐,組織需要AI不斷適應不斷變化的行為和模式。人工智能帶來規則不敏捷。數據分析和ML,企業可以獲得成功的威脅。下麵是一些關鍵原因承擔欺詐毫升是恰當的:

• 欺詐隱藏在大量數據:檢測欺詐行為的最有效的方法是看最終用戶的整體行為。看著事務或訂單是不夠的,我們需要遵循的事件之前和之後的事務。這個高潮很多結構化和非結構化數據,最好的方法檢測欺詐行為在這種大量毫升和人工智能。
• 欺詐發生迅速:毫升實時係統更新時,這些知識可以用在毫秒更新欺詐檢測模型和防止攻擊。
• 欺詐總是改變:騙子不斷調整自己的策略,使他們人類很難檢測靜態的基於規則的係統,不可能,不學習。然而,毫升,可以適應不斷變化的行為。
• 欺詐表麵看起來不錯:人眼,欺詐和正常交易不出現任何不同於對方。毫升有更深入、更細致的查看數據的方式,這有助於避免假陽性。

Davay討論了如何MLuses統計模型,如分類器和邏輯回歸看過去和異常結果預測未來的結果。一毫升係統學習,可以預測和實時數據做出決定。在他的演講中,Davay概述一個好的欺詐防範模型需要有:

• 一站式服務為用戶培訓模型和安排執行
• 實時檢測
• 深入分析和建模工具,利用強大的毫升深度學習和神經網絡等如果數據分析和測試新的假設
• 遵守公司的安全政策和合規要求
• 立即通知服務通知持卡人的可疑活動
• 與企業係統的無縫集成

MLflow預防欺詐
Davay磚的價值和突出顯示MLflow在他們的欺詐預防工作。他談到了平台和不同的數據和欺詐團隊如何協Beplay体育安卓版本作開發和運行實驗使用磚與團隊。beplay娱乐ios“即使他們在團隊中協作共享實驗和數據,我們可以實施嚴格的安全措施為了數據隱私的尊重,和每個beplay娱乐ios實驗都可以有自己的計算環境和要求,“Davay說。他把磚稱為“一站式的[他們的]科學數據和模型,使它適合數據科學項目。“當團隊已經確定特征預測是否事務是欺詐,他們通過這些數據點磚的托管環境,在那裏他們可以執行功能工程、數據預處理和數據分割成測試和訓練集。然後他們使用各種監督或無監督ML算法,如支持向量機、決策樹和隨機森林,訓練模型。他們確定表現最好的模型和使用磚Lakehouse平台Beplay体育安卓版本直接在平台內解出欺詐。Beplay体育安卓版本欺詐檢測lakehouse是一個有利的環境,你可以了解更多我們的解決方案加速器在這裏。

Davay提到“MLflow磚內的生態係統是一個很好的特性,我們可以使用,因為它有許多優點發展毫升工作流無縫管道。“MLflow允許資本一個跟蹤他們的ML實驗從端到端的整個毫升模型生命周期。在說話,直接從GitHub Davay提到他們可以運行實驗而不需要通過代碼,可以直接部署和火車模型序列化時利用包如Python的pickle模塊,Apache火花,MLflow。然後他們部署序列化模型和它作為一個API通過利用MLflow服務。

MLflow和microservices
Davay也談到了在MLflow microservices和為什麼他們是有用的。microservice是通向一個特定應用程序的功能方麵。它幫助團隊像資本開發應用程序的一個標準化的一致的方式。Microservices允許資本一個部署功能的應用程序相互獨立的。它有助於抽象功能,同時支持團隊構建一個可重用的和統一的方式與應用程序交互。此外,它允許團隊組成複雜的行為通過結合各種其他microservices在一起。從本質上講,它賦予企業使用任何技術堆棧在前端後端,同時保持兼容性。

第一資本的原始數據存儲在Amazon S3,他們迅速整合S3和之間的交互框架通過無縫磚和可以大規模毫升模型訓練、驗證並通過MLflow部署管道。球隊訓練和驗證模型在AWS和部署自定義集群通過SageMaker直接利用MLflow api。MLflow不僅局限於人工智能,但可以嵌入任何的業務邏輯(磚所規則+人工智能加速器),因此,得益於microservices E2E治理和交付原則。

把它放在一起
Davay共享磚允許資本一個如何查詢和部署模型和管理和清理部署時使用MLflow api在AWS的生態係統。此外,他們可以確保安全的保障和條件通過AWS SSO訪問。

基於觀察從資本和其他一個客戶,有幾個欺詐預防使用數據和人工智能的好處包括:beplay体育app下载地址

• 減少人工審查的必要性。毫升自動化過程中行為可以學到在個體水平和檢測異常。
• 能夠防止欺詐案件不阻礙用戶體驗。人工智能帶來自動化流程無縫和防止欺詐用戶事先沒有加重。
• 更低的運營成本比其他方法。用更少的體力勞動和自動化、數據和人工智能需要更少的資源和預防損失相關的欺詐行為。
• 釋放團隊的時間專注於更多的戰略任務。大多數公司的商業欺詐檢測,和一個毫升欺詐防範過程可以幫助他們專注於核心業務。
• 迅速適應。加上人才和經驗,數據和AI共同努力,不斷地學習和適應新的用戶行為和趨勢。

時實施數據和人工智能建立客戶關係,推動更高的股本回報率,欺詐行為應被視為首要任務。遏製虛假或惡意的行為——從欺詐性卡交易——是減輕負麵的收入影響的關鍵。更多動態檢測欺詐性交易,資本使用毫升和信用卡交易信息,以及信用卡和人口信息,得到一個全麵的視圖來識別異常。數據驅動的創新者如Capital One的欺詐檢測鋪平了道路,提供一個成功的模型跟隨保護客戶和業務。beplay体育app下载地址

開始使用欺詐防範磚

得到一個啟動我們的預先構建的代碼和導遊欺詐解決方案加速器

看到我們所有的金融服務解決方案