Wat is het eerste wat in je opkomt als je aan een bank denkt? Contant geld, kaarten… bankovervallers!? Als je aan dat laatste dacht, denk dan nog eens goed na.

Gekheid op een stokje, als het om bankieren gaat, is veiligheid extreem belangrijk. Hoewel de overstap naar digitaal geld en mobiel bankieren sommige vormen van criminaliteit overbodig heeft gemaakt, is fraudepreventie vaak een kat-en-muisspel. Door gebruik te maken van de nieuwste technologieën vereenvoudigen we je bankervaring, zodat je je kunt richten op wat ertoe doet. Of je nu tijd doorbrengt met je familie, zorgeloos reist of je bedrijf laat groeien, wij zijn altijd op zoek naar het volgende beste wat je meer vrijheid geeft.

Toen we in 2015 lanceerden, wilden we de status quo van wat een bank zou moeten zijn uitdagen. Dit leidde tot een aantal vroege innovaties zoals in-app CVC-codes (dag kaartskimming) en geen fysieke filialen (hallo, snelheid en gemak!). Vandaag de dag verkennen we een minder besproken voordeel van mobiel bankieren: fraudedetectie en -preventie.

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

Stel je een scenario voor waarin een rekening onregelmatige betalingen begint te ontvangen van verschillende onbekende Bankrekeningen, en dan plotseling al het geld wordt opgenomen. Denk je dat dit:

a) Een geval van witwassen is?

b) Vrienden die je terugbetalen voor pizza?

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

Goede vraag! Om dit te beantwoorden, en om ervoor te zorgen dat we streng zijn voor criminelen en makkelijk voor jou, gebruiken we gesuperviseerd en ongesuperviseerd machine learning.

Als je met ons compliance team praat, hoor je termen als Nigeriaanse Prins, smurfing of money-muling voorbijkomen, wat laat zien dat veel soorten bankfraude eigenlijk goed bekend zijn. Om deze patronen te detecteren gebruiken we gesuperviseerd machine learning. Dit is een algoritme dat naar meer dan 500 datapunten per transactie kijkt en honderden concurrerende beslisbomen creëert om te bepalen of een transactie verdacht is of niet. Het algoritme leert op basis van jarenlange gelabelde transactiedata, en is ontworpen om je te allen tijde veilig te houden!

Dit werkt goed voor het herkennen van bestaande patronen, maar hoe zit het met compleet nieuwe soorten fraude? Zeg hallo tegen …ongesuperviseerd leren!

Door alle niet-verdachte transacties door een auto-encoder deep learning model te laten lopen, vinden we zeer complexe en ongebruikelijke patronen die mogelijk gekoppeld zijn aan voorheen onbekende fraudeschema's. Als dit wordt bevestigd, wordt de data gelabeld en gebruikt door de gesuperviseerde leermodellen als input—weer eentje erbij!

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

Ja, die is er! En die heet regels. Tot voor kort gebruikten de meeste traditionele banken geen machine learning om frauduleuze patronen te herkennen. En zelfs in 2020 vertrouwden ze vooral op simpele, op regels gebaseerde modellen, wat betekent dat verdachte patronen worden gedefinieerd en vervolgens handmatig worden gecontroleerd elke keer dat ze voorkomen.

Deze 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 gesuperviseerde leermodellen nog leren om het nieuwe patroon te detecteren met behulp van data die door de regel wordt gegenereerd.

Dit is waarom onze hybride aanpak je veiliger houdt:

1. We discrimineren niet op basis van nationaliteit of uiterlijk

Natuurlijk doet niemand dat met opzet—maar door te focussen op gedragspatronen in plaats van stereotypen en vooroordelen, is ons model eerlijker dan menselijke compliance officers.

2. We kunnen de gebruikerservaring zo afstemmen dat het moeiteloos is voor jou en verschrikkelijk voor fraudeurs

Machine learning maakt snellere detectie van frauduleus gedrag mogelijk dan op regels gebaseerde modellen en het is veel nauwkeuriger.

3. Door altijd een stap voor te blijven op criminelen, hebben we meer tijd om ons te richten op wat echt belangrijk is: de beste bank voor jou bouwen

Zo, daar heb je het! Dit is een van de manieren waarop we je geld elke dag veilig houden, maar natuurlijk gebeurt er nog veel meer onder de motorkap.

Als je meer wilt horen over hoe we fraude voorkomen en je veilig houden, laat het ons dan hier weten!

Verspreid liefde, geen fraude!