Чему разработчики ИИ могут научиться на моделях мошенничества, которые выполняются за 300 миллисекунд

Защита от мошенничества — это гонка с масштабом.

Например, сеть Mastercard обрабатывает около 160 миллиардов транзакций в год, а в пиковые периоды (например, во время декабрьских праздников) наблюдается всплеск скорости на 70 000 транзакций в секунду. Найти среди них мошеннические покупки, не гоняясь за ложными срабатываниями, — непростая задача, поэтому мошенникам удалось обмануть систему.

Но теперь сложные модели искусственного интеллекта могут исследовать отдельные транзакции, выявляя те, которые кажутся подозрительными, — за миллисекунды. Это сердце флагманской платформы Mastercard для мошенничества Decision Intelligence Pro (DI Pro).

«DI Pro внимательно изучает каждую транзакцию и связанный с ней риск», — заявил в недавнем отчете Йохан Гербер, исполнительный вице-президент Mastercard по решениям безопасности. Подкаст VB Beyond the Pilot. «Фундаментальная проблема, которую мы здесь пытаемся решить, — это оценка в реальном времени».

Как работает DI Pro

DI Pro от Mastercard был создан с учетом задержек и скорости. С того момента, как потребитель касается карты или нажимает «купить», эта транзакция проходит через уровень оркестрации Mastercard обратно в сеть, а затем в банк-эмитент. Обычно это происходит менее чем за 300 миллисекунд.

В конечном итоге банк принимает решение об одобрении или отклонении транзакции, но качество этого решения зависит от способности Mastercard предоставить точную, контекстуализированную оценку риска на основе того, может ли транзакция быть мошеннической. Весь этот процесс усложняется тем, что они не ищут аномалий как таковых; они ищут транзакции, которые по своей сути аналогичны поведению потребителей.

В основе DI Pro лежит рекуррентная нейронная сеть (RNN), которую Mastercard называет архитектурой «обратных рекомендаций». Это рассматривает обнаружение мошенничества как проблему рекомендаций; RNN выполняет упражнение по дополнению шаблонов, чтобы определить, как продавцы относятся друг к другу.

Как объяснил Гербер: “Вот где они были раньше, вот где они находятся сейчас. Имеет ли это для них смысл? Порекомендовали бы мы им этого торговца?”

Крис Мерц, старший вице-президент по науке о данных в MasterCard, объяснил, что проблему мошенничества можно разбить на два подкомпонента: шаблон поведения пользователя и шаблон поведения мошенника. «И мы пытаемся разделить эти две вещи», — сказал он.

Еще один «изящный метод», по его словам, заключается в том, как Mastercard подходит к суверенитету данных, или когда данные подчиняются законам и структурам управления в регионе, где они собираются, обрабатываются или хранятся. Чтобы хранить данные «на земле», команда компании по борьбе с мошенничеством полагается на агрегированные, «полностью анонимизированные» данные, которые не чувствительны к каким-либо проблемам конфиденциальности и, следовательно, могут быть переданы моделям по всему миру.

«Таким образом, глобальные закономерности все еще могут влиять на каждое локальное решение», — сказал Гербер. «Мы берем знания, накопленные за год, и сжимаем их в одну транзакцию за 50 миллисекунд, чтобы сказать «да» или «нет», это хорошо или это плохо».

Обман мошенников

Хотя ИИ помогает финансовым компаниям, таким как Mastercard, он также помогает и мошенникам; теперь они могут быстро разрабатывать новые методы и находить новые возможности для использования.

Mastercard дает отпор, привлекая киберпреступников на своей территории. Один из способов сделать это — использовать «приманки» или искусственные среды, предназначенные для «ловушки» киберпреступников. Когда злоумышленники думают, что у них есть законная марка, агенты ИИ взаимодействуют с ними в надежде получить доступ к учетным записям мулов, которые используются для перекачки денег. По словам Гербера, это становится «чрезвычайно эффективным», поскольку защитники могут применять графические методы, чтобы определить, как и где учетные записи «мулов» связаны с законными учетными записями.

Потому что, в конце концов, чтобы получить свои выплаты, мошенникам нужна где-то законная учетная запись, связанная с учетными записями мулов, даже если она замаскирована на 10 слоев ниже. Когда защитники смогут их идентифицировать, они смогут составить карту глобальных сетей мошенничества.

«Это замечательно, когда мы даем им бой, потому что они и так причиняют нам достаточно боли», – сказал Гербер.

Послушайте подкаст, чтобы узнать больше о:

• Как Mastercard создала «песочницу для вредоносных программ» с помощью Recorded Future;

• Почему документ с требованиями к инженерии данных (DSERD) был необходим для согласования действий четырех отдельных инженерных групп;

• Важность «неустанной расстановки приоритетов» и принятия жестких решений для перехода от «тысячи цветущих цветов» к проектам, которые действительно оказывают сильное влияние на бизнес;

• Почему успешное внедрение искусственного интеллекта должно включать три этапа: идея, активация и реализация, но многие предприятия пропускают второй этап.

Слушайте и подписывайтесь на За пределами пилота на Спотифай, Яблоко или где бы вы ни получали свои подкасты.