Alle berichten
Guides4 minuten leestijd

Hoe machine learning uw geld veilig houdt

bunq
Alle berichten
Guides4 minuten leestijd

Hoe machine learning uw geld veilig houdt

bunq
Alle berichten
Guides4 minuten leestijd

Hoe machine learning uw geld veilig houdt

bunq

Inhoudstafel

Wat is het eerste waar je aan denkt als je aan een bank denkt? Cash, kaarten… bankovervallers!? Als je aan die laatste dacht, denk dan nog eens na.

Alle gekheid op een stokje: als het over bankieren gaat, is veiligheid enorm belangrijk. De overstap naar digitaal geld en mobiel bankieren heeft sommige vormen van criminaliteit overbodig gemaakt, maar fraudepreventie blijft vaak een kat-en-muisspel. Door de nieuwste technologieën te gebruiken, maken we jouw bankervaring eenvoudiger, zodat jij je kan focussen op wat echt telt. Of dat nu tijd met je familie is, zorgeloos reizen of je zaak laten groeien: wij zijn altijd op zoek naar de volgende beste oplossing die jou meer vrijheid geeft.

Toen we in 2015 lanceerden, wilden we de status quo van wat een bank moet zijn doorbreken. Dat zorgde voor enkele vroege innovaties zoals CVC-codes in de app (dag kaartskimming) en geen fysieke filialen (hallo snelheid en gemak!). Vandaag bekijken we een minder besproken voordeel van mobiel bankieren: fraudeopsporing en -preventie.

De uitdaging is om miljoenen transacties in real-time te controleren op illegale activiteiten en fraude te voorkomen. Klinkt simpel, toch? Oh ja, en we moeten er ook voor zorgen dat geen van dit alles invloed heeft op de geweldige gebruikerservaring waar je aan gewend bent.

Stel je een situatie voor waarin een rekening plots onregelmatige betalingen begint te ontvangen van allerlei onbekende Bankrekeningen, en dat al het geld daarna ineens wordt opgenomen. Denk jij dat dit is:

a) Een geval van witwassen?

b) Vrienden die je terugbetalen voor pizza?

c) Volledig in Marie Kondo-modus gaan en je vinylplaten op eBay verkopen?

Goeie vraag! Om dit te beantwoorden, en om zeker te zijn dat we streng zijn voor criminelen en makkelijk voor jou, gebruiken we supervised en unsupervised machine learning.

Als je met ons compliance team praat, hoor je termen als Nigerian Prince, smurfing of money-muling, wat toont dat veel types bankfraude eigenlijk goed gekend zijn. Om deze patronen te detecteren gebruiken we supervised machine learning. Dit is een algoritme dat meer dan 500 datapunten per transactie bekijkt en honderden concurrerende beslissingsbomen maakt om te beslissen of een transactie verdacht is of niet. Het algoritme leert op basis van jaren aan gelabelde transactiegegevens en is ontworpen om jou altijd veilig te houden!

Dat werkt goed om bestaande patronen op te sporen, maar wat met volledig nieuwe vormen van fraude? Zeg hallo tegen… unsupervised learning!

Door alle niet-verdachte transacties door een auto-encoder deep learning model te sturen, vinden we zeer complexe en ongebruikelijke patronen die gelinkt kunnen zijn aan eerder onbekende fraudescenario’s. Als dat bevestigd wordt, wordt de data gelabeld en gebruikt door de supervised learning modellen als input—weer een fraudegeval minder!

Als dit allemaal ingewikkeld klinkt, vraag je je misschien af: is er geen eenvoudigere manier?

Jawel! En die heet regels. Tot voor kort gebruikten de meeste traditionele banken geen machine learning om frauduleuze patronen op te sporen. En zelfs in 2020 vertrouwden ze vooral op eenvoudige, regelgebaseerde modellen. Die werken door verdachte patronen te definiëren en dan elke keer dat ze voorkomen, manueel te controleren.

Die regels zijn meestal niet zo effectief als machine learning. Maar in bepaalde gevallen kunnen ze heel krachtig zijn, dus gebruiken we ze op twee manieren: wanneer een patroon altijd frauduleus is, en wanneer onze supervised learning modellen nog aan het leren zijn om het nieuwe patroon te detecteren met data die door de regel wordt gegenereerd.

Dit is waarom onze hybride aanpak jou beter beschermt:

1. We discrimineren niet op nationaliteit of uiterlijk

Natuurlijk doet niemand dat bewust – maar doordat we ons focussen op gedragspatronen in plaats van stereotypen en vooroordelen, is ons model eerlijker dan menselijke compliance officers.

2. We kunnen de gebruikerservaring zo aanpassen dat ze moeiteloos is voor jou en verschrikkelijk voor fraudeurs

Machine learning laat ons frauduleus gedrag sneller en veel nauwkeuriger opsporen dan regelgebaseerde modellen.

3. Doordat we criminelen altijd een stap voor blijven, hebben we meer tijd om te focussen op wat echt telt: de beste bank voor jou bouwen

Voilà, dat is een van de manieren waarop we je geld elke dag veilig houden, maar natuurlijk gebeurt er nog veel meer achter de schermen.

Als je graag meer wil weten over hoe we fraude voorkomen en jou beschermen, laat het ons dan zeker weten hier!

Spread love, not fraud!

Deel dit bericht

Inhoudstafel

Wat is het eerste waar je aan denkt als je aan een bank denkt? Cash, kaarten… bankovervallers!? Als je aan die laatste dacht, denk dan nog eens na.

Alle gekheid op een stokje: als het over bankieren gaat, is veiligheid enorm belangrijk. De overstap naar digitaal geld en mobiel bankieren heeft sommige vormen van criminaliteit overbodig gemaakt, maar fraudepreventie blijft vaak een kat-en-muisspel. Door de nieuwste technologieën te gebruiken, maken we jouw bankervaring eenvoudiger, zodat jij je kan focussen op wat echt telt. Of dat nu tijd met je familie is, zorgeloos reizen of je zaak laten groeien: wij zijn altijd op zoek naar de volgende beste oplossing die jou meer vrijheid geeft.

Toen we in 2015 lanceerden, wilden we de status quo van wat een bank moet zijn doorbreken. Dat zorgde voor enkele vroege innovaties zoals CVC-codes in de app (dag kaartskimming) en geen fysieke filialen (hallo snelheid en gemak!). Vandaag bekijken we een minder besproken voordeel van mobiel bankieren: fraudeopsporing en -preventie.

De uitdaging is om miljoenen transacties in real-time te controleren op illegale activiteiten en fraude te voorkomen. Klinkt simpel, toch? Oh ja, en we moeten er ook voor zorgen dat geen van dit alles invloed heeft op de geweldige gebruikerservaring waar je aan gewend bent.

Stel je een situatie voor waarin een rekening plots onregelmatige betalingen begint te ontvangen van allerlei onbekende Bankrekeningen, en dat al het geld daarna ineens wordt opgenomen. Denk jij dat dit is:

a) Een geval van witwassen?

b) Vrienden die je terugbetalen voor pizza?

c) Volledig in Marie Kondo-modus gaan en je vinylplaten op eBay verkopen?

Goeie vraag! Om dit te beantwoorden, en om zeker te zijn dat we streng zijn voor criminelen en makkelijk voor jou, gebruiken we supervised en unsupervised machine learning.

Als je met ons compliance team praat, hoor je termen als Nigerian Prince, smurfing of money-muling, wat toont dat veel types bankfraude eigenlijk goed gekend zijn. Om deze patronen te detecteren gebruiken we supervised machine learning. Dit is een algoritme dat meer dan 500 datapunten per transactie bekijkt en honderden concurrerende beslissingsbomen maakt om te beslissen of een transactie verdacht is of niet. Het algoritme leert op basis van jaren aan gelabelde transactiegegevens en is ontworpen om jou altijd veilig te houden!

Dat werkt goed om bestaande patronen op te sporen, maar wat met volledig nieuwe vormen van fraude? Zeg hallo tegen… unsupervised learning!

Door alle niet-verdachte transacties door een auto-encoder deep learning model te sturen, vinden we zeer complexe en ongebruikelijke patronen die gelinkt kunnen zijn aan eerder onbekende fraudescenario’s. Als dat bevestigd wordt, wordt de data gelabeld en gebruikt door de supervised learning modellen als input—weer een fraudegeval minder!

Als dit allemaal ingewikkeld klinkt, vraag je je misschien af: is er geen eenvoudigere manier?

Jawel! En die heet regels. Tot voor kort gebruikten de meeste traditionele banken geen machine learning om frauduleuze patronen op te sporen. En zelfs in 2020 vertrouwden ze vooral op eenvoudige, regelgebaseerde modellen. Die werken door verdachte patronen te definiëren en dan elke keer dat ze voorkomen, manueel te controleren.

Die regels zijn meestal niet zo effectief als machine learning. Maar in bepaalde gevallen kunnen ze heel krachtig zijn, dus gebruiken we ze op twee manieren: wanneer een patroon altijd frauduleus is, en wanneer onze supervised learning modellen nog aan het leren zijn om het nieuwe patroon te detecteren met data die door de regel wordt gegenereerd.

Dit is waarom onze hybride aanpak jou beter beschermt:

1. We discrimineren niet op nationaliteit of uiterlijk

Natuurlijk doet niemand dat bewust – maar doordat we ons focussen op gedragspatronen in plaats van stereotypen en vooroordelen, is ons model eerlijker dan menselijke compliance officers.

2. We kunnen de gebruikerservaring zo aanpassen dat ze moeiteloos is voor jou en verschrikkelijk voor fraudeurs

Machine learning laat ons frauduleus gedrag sneller en veel nauwkeuriger opsporen dan regelgebaseerde modellen.

3. Doordat we criminelen altijd een stap voor blijven, hebben we meer tijd om te focussen op wat echt telt: de beste bank voor jou bouwen

Voilà, dat is een van de manieren waarop we je geld elke dag veilig houden, maar natuurlijk gebeurt er nog veel meer achter de schermen.

Als je graag meer wil weten over hoe we fraude voorkomen en jou beschermen, laat het ons dan zeker weten hier!

Spread love, not fraud!

Deel dit bericht

Inhoudstafel

Wat is het eerste waar je aan denkt als je aan een bank denkt? Cash, kaarten… bankovervallers!? Als je aan die laatste dacht, denk dan nog eens na.

Alle gekheid op een stokje: als het over bankieren gaat, is veiligheid enorm belangrijk. De overstap naar digitaal geld en mobiel bankieren heeft sommige vormen van criminaliteit overbodig gemaakt, maar fraudepreventie blijft vaak een kat-en-muisspel. Door de nieuwste technologieën te gebruiken, maken we jouw bankervaring eenvoudiger, zodat jij je kan focussen op wat echt telt. Of dat nu tijd met je familie is, zorgeloos reizen of je zaak laten groeien: wij zijn altijd op zoek naar de volgende beste oplossing die jou meer vrijheid geeft.

Toen we in 2015 lanceerden, wilden we de status quo van wat een bank moet zijn doorbreken. Dat zorgde voor enkele vroege innovaties zoals CVC-codes in de app (dag kaartskimming) en geen fysieke filialen (hallo snelheid en gemak!). Vandaag bekijken we een minder besproken voordeel van mobiel bankieren: fraudeopsporing en -preventie.

De uitdaging is om miljoenen transacties in real-time te controleren op illegale activiteiten en fraude te voorkomen. Klinkt simpel, toch? Oh ja, en we moeten er ook voor zorgen dat geen van dit alles invloed heeft op de geweldige gebruikerservaring waar je aan gewend bent.

Stel je een situatie voor waarin een rekening plots onregelmatige betalingen begint te ontvangen van allerlei onbekende Bankrekeningen, en dat al het geld daarna ineens wordt opgenomen. Denk jij dat dit is:

a) Een geval van witwassen?

b) Vrienden die je terugbetalen voor pizza?

c) Volledig in Marie Kondo-modus gaan en je vinylplaten op eBay verkopen?

Goeie vraag! Om dit te beantwoorden, en om zeker te zijn dat we streng zijn voor criminelen en makkelijk voor jou, gebruiken we supervised en unsupervised machine learning.

Als je met ons compliance team praat, hoor je termen als Nigerian Prince, smurfing of money-muling, wat toont dat veel types bankfraude eigenlijk goed gekend zijn. Om deze patronen te detecteren gebruiken we supervised machine learning. Dit is een algoritme dat meer dan 500 datapunten per transactie bekijkt en honderden concurrerende beslissingsbomen maakt om te beslissen of een transactie verdacht is of niet. Het algoritme leert op basis van jaren aan gelabelde transactiegegevens en is ontworpen om jou altijd veilig te houden!

Dat werkt goed om bestaande patronen op te sporen, maar wat met volledig nieuwe vormen van fraude? Zeg hallo tegen… unsupervised learning!

Door alle niet-verdachte transacties door een auto-encoder deep learning model te sturen, vinden we zeer complexe en ongebruikelijke patronen die gelinkt kunnen zijn aan eerder onbekende fraudescenario’s. Als dat bevestigd wordt, wordt de data gelabeld en gebruikt door de supervised learning modellen als input—weer een fraudegeval minder!

Als dit allemaal ingewikkeld klinkt, vraag je je misschien af: is er geen eenvoudigere manier?

Jawel! En die heet regels. Tot voor kort gebruikten de meeste traditionele banken geen machine learning om frauduleuze patronen op te sporen. En zelfs in 2020 vertrouwden ze vooral op eenvoudige, regelgebaseerde modellen. Die werken door verdachte patronen te definiëren en dan elke keer dat ze voorkomen, manueel te controleren.

Die regels zijn meestal niet zo effectief als machine learning. Maar in bepaalde gevallen kunnen ze heel krachtig zijn, dus gebruiken we ze op twee manieren: wanneer een patroon altijd frauduleus is, en wanneer onze supervised learning modellen nog aan het leren zijn om het nieuwe patroon te detecteren met data die door de regel wordt gegenereerd.

Dit is waarom onze hybride aanpak jou beter beschermt:

1. We discrimineren niet op nationaliteit of uiterlijk

Natuurlijk doet niemand dat bewust – maar doordat we ons focussen op gedragspatronen in plaats van stereotypen en vooroordelen, is ons model eerlijker dan menselijke compliance officers.

2. We kunnen de gebruikerservaring zo aanpassen dat ze moeiteloos is voor jou en verschrikkelijk voor fraudeurs

Machine learning laat ons frauduleus gedrag sneller en veel nauwkeuriger opsporen dan regelgebaseerde modellen.

3. Doordat we criminelen altijd een stap voor blijven, hebben we meer tijd om te focussen op wat echt telt: de beste bank voor jou bouwen

Voilà, dat is een van de manieren waarop we je geld elke dag veilig houden, maar natuurlijk gebeurt er nog veel meer achter de schermen.

Als je graag meer wil weten over hoe we fraude voorkomen en jou beschermen, laat het ons dan zeker weten hier!

Spread love, not fraud!

Deel dit bericht

Gerelateerde lectuur

Ontdek meer tips en verhalen van bunq.

Safe online banking: practical tips
Financiën5 minuten leestijd

Safe online banking: practical tips

Tips for keeping your bank account safe online, from setting up 2FA to spotting phishing, controlling your cards, and what bunq handles automatically.

Hoe stel je langetermijndoelen voor financiën als stel
Leven4 minuten leestijd

Hoe stel je langetermijndoelen voor financiën als stel

Over geld praten als koppel hoeft niet ongemakkelijk te zijn. Stel samen langetermijndoelen en kom financieel op één lijn.

De makkelijkste manier om je financiën te beheren in 2026
Financiën3 minuten leestijd

De makkelijkste manier om je financiën te beheren in 2026

Een eenvoudig systeem maakt geldbeheer overzichtelijk en moeiteloos. Leer hoe je je financiën eenmalig instelt en vol vertrouwen 2026 ingaat.

Gerelateerde lectuur

Ontdek meer tips en verhalen van bunq.

Safe online banking: practical tips
Financiën5 minuten leestijd

Safe online banking: practical tips

Tips for keeping your bank account safe online, from setting up 2FA to spotting phishing, controlling your cards, and what bunq handles automatically.

Hoe stel je langetermijndoelen voor financiën als stel
Leven4 minuten leestijd

Hoe stel je langetermijndoelen voor financiën als stel

Over geld praten als koppel hoeft niet ongemakkelijk te zijn. Stel samen langetermijndoelen en kom financieel op één lijn.

De makkelijkste manier om je financiën te beheren in 2026
Financiën3 minuten leestijd

De makkelijkste manier om je financiën te beheren in 2026

Een eenvoudig systeem maakt geldbeheer overzichtelijk en moeiteloos. Leer hoe je je financiën eenmalig instelt en vol vertrouwen 2026 ingaat.

Gerelateerde lectuur

Ontdek meer tips en verhalen van bunq.

Safe online banking: practical tips
Financiën5 minuten leestijd

Safe online banking: practical tips

Tips for keeping your bank account safe online, from setting up 2FA to spotting phishing, controlling your cards, and what bunq handles automatically.

Hoe stel je langetermijndoelen voor financiën als stel
Leven4 minuten leestijd

Hoe stel je langetermijndoelen voor financiën als stel

Over geld praten als koppel hoeft niet ongemakkelijk te zijn. Stel samen langetermijndoelen en kom financieel op één lijn.

De makkelijkste manier om je financiën te beheren in 2026
Financiën3 minuten leestijd

De makkelijkste manier om je financiën te beheren in 2026

Een eenvoudig systeem maakt geldbeheer overzichtelijk en moeiteloos. Leer hoe je je financiën eenmalig instelt en vol vertrouwen 2026 ingaat.

Klaar voor simpeler bankieren?

Leer hoe bunq's machine learning de beveiliging verbetert en je digitale geld beschermt tegen fraude.

Klaar voor simpeler bankieren?

Leer hoe bunq's machine learning de beveiliging verbetert en je digitale geld beschermt tegen fraude.

Klaar voor simpeler bankieren?

Leer hoe bunq's machine learning de beveiliging verbetert en je digitale geld beschermt tegen fraude.