Jaka jest pierwsza rzecz, o której myślisz, gdy słyszysz „bank”? Gotówka, karty… napad na bank!? Jeśli pomyślałeś o tym ostatnim, spróbuj jeszcze raz.

Żarty żartami, ale kiedy mowa o bankowości, bezpieczeństwo jest niesamowicie ważne. Przejście na pieniądze cyfrowe i bankowość mobilną sprawiło, że część przestępstw stała się przeszłością, jednak przeciwdziałanie oszustwom to często gra w kotka i myszkę. Korzystając z najnowszych technologii upraszczamy twoje bankowanie, żebyś mógł skupić się na tym, co naprawdę ważne. Niezależnie od tego, czy chodzi o czas z rodziną, beztroskie podróże czy rozwijanie firmy – nieustannie szukamy kolejnych rozwiązań, które dadzą ci jeszcze więcej wolności.

Kiedy wystartowaliśmy w 2015 roku, postanowiliśmy rzucić wyzwanie status quo tego, czym w ogóle powinien być bank. Zaowocowało to wczesnymi innowacjami, jak kody CVC w aplikacji (żegnaj, skimmingu kart!) i brak fizycznych oddziałów (witaj, szybkość i wygodo!). Dziś przyglądamy się mniej oczywistej zalecie bankowości mobilnej: wykrywaniu i zapobieganiu oszustwom.

Wyzwanie polega na tym, żeby sprawdzać w czasie rzeczywistym miliony transakcji pod kątem nielegalnych działań i zapobiegać fraudom. Brzmi prosto, prawda? A do tego trzeba dopilnować, żeby to wszystko w żaden sposób nie psuło super doświadczenia użytkownika, do którego jesteś przyzwyczajony.

Wyobraź sobie sytuację, w której konto zaczyna otrzymywać nieregularne płatności z różnych nieznanych rachunków bankowych, a potem nagle cała kasa zostaje wypłacona. Myślisz, że to:

a) Przypadek prania pieniędzy?

b) Znajomi oddają ci kasę za pizzę?

c) Totalny Marie Kondo mode i wyprzedaż twoich winyli na eBayu?

Dobre pytanie! Żeby na nie odpowiedzieć i jednocześnie być twardym dla przestępców, a łagodnym dla ciebie, korzystamy z nadzorowanego i nienadzorowanego uczenia maszynowego.

Jeśli pogadasz z naszym zespołem compliance, usłyszysz określenia takie jak Nigerian Prince, smurfing czy money-muling – to pokazuje, że wiele rodzajów oszustw bankowych jest już dobrze znanych. Do wykrywania takich schematów używamy uczenia maszynowego nadzorowanego. To algorytm, który analizuje ponad 500 punktów danych dla każdej transakcji i tworzy setki konkurujących ze sobą drzew decyzyjnych, aby stwierdzić, czy transakcja jest podejrzana czy nie. Algorytm uczy się na podstawie wielu lat oznaczonych danych transakcyjnych i jest zaprojektowany tak, by zawsze trzymać cię w bezpieczeństwie!

To świetnie działa przy wykrywaniu istniejących wzorców, ale co z zupełnie nowymi typami fraudu? Czas na powitanie… uczenia nienadzorowanego!

Przepuszczając wszystkie „niespółdzielcze” transakcje przez autoenkoderowy model deep learning, znajdujemy bardzo złożone i nietypowe wzorce, które mogą być powiązane z dotąd nieznanymi schematami oszustw. Jeśli się to potwierdzi, dane są oznaczane i wykorzystywane przez modele uczenia nadzorowanego jako wejście – kolejny fraud mniej!

Jeśli to wszystko brzmi skomplikowanie, możesz zapytać: czy nie ma prostszego sposobu?

Jest! I nazywa się reguły. Do niedawna większość tradycyjnych banków nie korzystała z uczenia maszynowego do wykrywania podejrzanych wzorców. Nawet w 2020 roku w dużej mierze polegały na prostych modelach opartych na regułach, czyli definiowaniu podejrzanych schematów i ręcznym sprawdzaniu każdej sytuacji, gdy się pojawią.

Takie reguły zwykle nie są tak skuteczne jak uczenie maszynowe. Jednak w pewnych sytuacjach mogą być bardzo mocne, więc używamy ich na dwa sposoby: gdy dany wzorzec jest zawsze fraudem oraz wtedy, gdy nasze modele uczenia nadzorowanego dopiero uczą się wykrywać nowy wzorzec, korzystając z danych generowanych przez regułę.

Oto dlaczego nasze hybrydowe podejście lepiej chroni twoje pieniądze:

1. Nie dyskryminujemy ze względu na narodowość czy wygląd

Oczywiście nikt nie robi tego celowo – ale skupiając się na wzorcach zachowań zamiast stereotypach i uprzedzeniach, nasz model jest bardziej fair niż ludzcy specjaliści od compliance.

2. Możemy dopasować doświadczenie użytkownika tak, by dla ciebie było bezwysiłkowe, a dla oszustów koszmarne

Uczenie maszynowe pozwala szybciej i znacznie dokładniej wykrywać oszukańcze zachowania niż modele oparte na regułach.

3. Zawsze będąc o krok przed przestępcami, mamy więcej czasu, by skupić się na tym, co naprawdę ważne: budowaniu najlepszego banku dla ciebie

No i proszę! To tylko jeden ze sposobów, w jaki każdego dnia dbamy o bezpieczeństwo twoich pieniędzy, ale oczywiście pod maską dzieje się dużo, dużo więcej.

Jeśli chcesz dowiedzieć się więcej o tym, jak zapobiegamy fraudom i dbamy o twoje bezpieczeństwo, daj nam znać tutaj!

Szerz miłość, nie fraud!