Фінансове шахрайство та безпека — одні з головних викликів для банків і технологічних компаній. AI у боротьбі з шахрайством стає ключовим інструментом для виявлення підозрілих транзакцій.

Наприклад, PayPal використовує поведінковий аналіз на основі штучного інтелекту, щоб відстежувати моделі витрат і періодично надсилати попередження про незвичайні витрати.

Visa застосовує deep learning, який оцінює сотні параметрів транзакції, аби запобігти шахрайству ще до авторизації платежу.

AIN розповідає, як AI у fintech допомагає виявляти шахрайство та як ці технології використовуються у фінансовій індустрії, зокрема у контексті фінтех в Україні.

Як працює штучний інтелект у боротьбі з фінансовим шахрайством

Інтелектуальні системи виявлення фроду мають багаторівневу структуру: збір і підготовка даних, побудова й тренування моделей, а потім — реальний запуск моделей із миттєвою оцінкою ризику.

У сучасному фінтех процесингу до моделі надходять транзакційні дані, профілі користувачів, дані пристроїв, геолокація та інші параметри.

Після цього працюють моделі машинного навчання. Це можуть бути нейронні мережі чи інші системи, які навчені на історії шахрайських і легітимних операцій.

Поєднуючи великі дані вхідних сигналів, ШІ-система шукає нетипові схеми, приховані зв’язки та відхилення від норми — саме так виявляється фінансове шахрайство.

Здатність ШІ-алгоритмів «запам’ятовувати» щоразу більше випадків шахрайства і самонавчатися на нових даних підвищує їхню адаптивність: з часом системи, які опрацьовують більше випадків шахрайства, навчаються помічати нові типи шахрайства.

Технології, які використовуються у FinTech

Фінансові установи та FinTech-компанії застосовують різноманітні інструменти на основі штучного інтелекту, щоб боротися з шахрайством.

  1. Моделі машинного навчання. Це класичні алгоритми, які аналізують історичні транзакції, «вчаться» виявляти закономірності шахрайства й відразу позначати аномалії. Системи можуть підлаштовуватись та адаптуватись зі зростанням кількості даних, стаючи дедалі точнішими.
  2. Графові нейронні мережі (GNN). Це алгоритми, які розглядають користувачів або транзакції окремо, а GNN обробляють мережеві зв’язки між обліковими записами, пристроями, IP-адресами та іншими сутностями. Завдяки цьому вони можуть виявляти цілі шахрайські групи (кільця) — навіть якщо окремі акаунти на вигляд не пов’язані. Наприклад, алгоритм побачить, що низка рахунків з’єднана одним пристроєм і виконує підозрілі операції, і зможе розірвати ці зв’язки.
  3. Поведінковий аналіз. ШІ-фреймворки оцінюють шаблони користувацької активності (комбінації місць, часу, сум, типів операцій тощо) й шукають невідповідності звичайній поведінці. Завдяки цьому можна помітити захоплення акаунту чи неавторизований доступ — наприклад, якщо хтось починає з незвичного місця керувати чужою карткою.
  4. Обробка природної мови (NLP). Метод, який використовується для аналізу текстових комунікацій (електронні листи, чати, заявки) та документації. NLP-алгоритми здатні помічати фішингові шаблони в листах або виявляти нелогічні дані в поданих документах. Це дозволяє перевіряти підозрілі запити: машинний аналіз мови користувача та контексту може виявити спроби обману.

Де ШІ застосовується найчастіше

Технології AI у fintech вже широко використовуються у різних сегментах фінансової індустрії.

Банківські та фінтех-транзакції.

Системи для обробки платежів (фінтех-процесинг) і мобільні банки, що аналізують кожну операцію в режимі реального часу. ШІ намагається виявити аномалії (наприклад, підозрілу геолокацію або нетиповий обсяг платежу) і швидко реагувати.

Криптовалютні платформи

Оскільки транзакції у блокчейні складно відстежити, ШІ-фреймворки використовують аналіз графів для виявлення нетипових ланцюгів переказів.

Електронна комерція.

Інтернет-магазини і платіжні шлюзи застосовують ШІ для скринінгу покупок у реальному часі, порівнюючи інформацію про клієнта з шаблонами фрод-транзакцій.

Системи підтримки клієнтів.

Автоматизовані чатботи та голосові помічники зі штучним інтелектом аналізують мову і наміри користувачів, щоб одразу помітити фішингові атаки або неправомірні запити.