صفحه نخست

آموزش و دانشگاه

علم‌وفناوری

ارتباطات و فناوری اطلاعات

سلامت

پژوهش

علم +

سیاست

اقتصاد

فرهنگ‌ و‌ جامعه

ورزش

عکس

فیلم

استانها

بازار

اردبیل

آذربایجان شرقی

آذربایجان غربی

اصفهان

البرز

ایلام

بوشهر

تهران

چهارمحال و بختیاری

خراسان جنوبی

خراسان رضوی

خراسان شمالی

خوزستان

زنجان

سمنان

سیستان و بلوچستان

فارس

قزوین

قم

کردستان

کرمان

کرمانشاه

کهگیلویه و بویراحمد

گلستان

گیلان

لرستان

مازندران

مرکزی

هرمزگان

همدان

یزد

هومیانا

پخش زنده

دیده بان پیشرفت علم، فناوری و نوآوری
۱۲:۳۰ - ۲۵ تير ۱۴۰۱

استفاده از هوش مصنوعی برای جلوگیری از تقلب و کلاهبرداری

مصاحبه‌ای از مدیر Simpl درباره چگونگی استفاده از هوش مصنوعی در تشخیص تقلب را بخوانید.
کد خبر : 669384

به گزارش گروه رسانه‌های دیگر خبرگزاری آنا، شرکت Simpl با بیش از ۲۰۰۰۰ شریک تجاری و ۲۵ میلیون کاربر در سراسر هند، بر تضمین تراکنش‌های یکپارچه و ایمن بین کاربران و بازرگانان متمرکز شده است. شیخا ورما مدیر Simpl درباره زیرساخت قوی ضد کلاهبرداری این شرکت و استفاده از هوش مصنوعی، مصاحبه‌ای انجام داده که در ادامه می‌خوانید.


ویژگی‌های کلیدی زیرساخت ضد کلاهبرداری شما چیست؟


زیرساخت ضد تقلب یک مدل یا فقط یک سیستم یکپارچه نیست و شامل چندین لایه است. این لایه‌ها از فیلترهای اکتشافی ساده که تراکنش‌ها را مسدود یا نشانه گذاری می‌کنند گرفته تا مدل‌های یادگیری ماشین، مدل‌های یادگیری عمیق و مدل‌های شبکه نموداری که ناهنجاری‌ها را در تراکنش‌ها و رفتار کاربر شناسایی می‌کنند.



ما یک تیم قوی از مهندسان و تحلیلگران داریم که به زیرساخت‌های ضد تقلب اختصاص داده شده اند. علاوه بر این، ما یک تیم اختصاصی از همکاران نظارت بر کلاهبرداری داریم که تمام تراکنش‌های پرخطر و نشانه گذاری شده را بررسی می‌کنند و در صورت نیاز، با مشتریان تماس می‌گیرند تا حساب یا تراکنش‌ها را تأیید کنند.


چگونه از هوش مصنوعی و یادگیری ماشین برای تشخیص تقلب استفاده می‌کنید؟


شرکت Simpl در شش سال فعالیت خود تاکنون بیش از ۱۵۰ میلیون کاربر منحصر به فرد در بیش از ۲۰۰۰۰ شریک تجاری خود داشته است. ما از مدل‌های یادگیری عمیق مانند LSTM برای شناسایی تغییرات غیرعادی در رفتار خرید کاربر استفاده می‌کنیم. همچنین شبکه‌های گراف دوبخشی داریم که به خوشه‌های در حال تکامل و ارتباطات بین کاربران امتیاز می‌دهند. این به ما کمک می‌کند ربات ها، شبیه‌سازها یا حتی گروه‌های فعال در بازرگانان خاص مانند تاکسی‌سواری، خواربارفروشی، کالاهای دیجیتال و ... را شناسایی کنیم.


چگونه سیستم‌های شما از تراکنش‌های یکپارچه و ایمن بین کاربران و بازرگانان اطمینان حاصل می‌کند؟


سیستم‌های خودکار ما تأیید می‌کنند که تراکنش، مرتبط با یک کاربر احراز هویت شده است. ما مراقب تغییرات ناگهانی در مکان، الگوهای مبلغ و ... هستیم. در صورت نیاز، تیم عملیات ما تماس می‌گیرد تا تأیید کند که آیا کاربر تراکنش را انجام داده است یا خیر.



ما همچنین در حال ساختن سیستم‌هایی هستیم تا اطمینان حاصل کنیم که تاجر از پلتفرم‌های تجمیع کننده معتبر است. برای شناسایی الگوهای جدید و تلاش‌های کلاهبرداری، ما به‌طور مداوم بر افزایش معاملات از یک مکان، یک تاجر و ... نظارت می‌کنیم.


روش‌های تقلب نیز همیشه در حال تغییر و پیشرفت است. همانطور که ما سیستم‌هایی را برای مقابله با یک نوع تقلب ایجاد می‌کنیم، همیشه پس از مدتی مجبور به تغییر الگوریتم هستیم.


بهترین شیوه‌ها برای مقابله با تقلب و کلاهبرداری چیست؟


انواع مختلفی از تقلب وجود دارد. تصاحب حساب، سرقت هویت و کلاهبرداری‌های استرداد وجه رایج‌ترین شیوه‌های تقلب در صنعت فین‌تک بوده و روش شناسایی آن‌ها در حال حاضر تقریباً استاندارد شده است. آنچه جالب است مورد تقلب سازمان یافته یا تقلب خوشه‌ای است. این امر پس از همه گیری کرونا افزایش یافته است.


تمرکز تیم ما شناسایی زودهنگام و مسدود کردن چنین خوشه‌هایی است. ما دریافتیم که ترکیبی از مدل‌های یادگیری عمیق تجزیه و تحلیل شبکه می‌تواند برای مقابله با ربات ها، جاوا اسکریپت‌ها و ... بسیار مفید باشد.



علاوه بر این، در هند برای دریافت تخفیف و غیره، اشتراک گذاری رمز یکبار مصرف نیز رایج است و گروه‌هایی وجود دارد که در آن‌ها معامله انجام می‌شود. ما با آن‌ها نیز مانند کلاهبرداری خوشه‌ای رفتار می‌کنیم.


برنامه‌های آتی شما برای افزایش قابلیت‌ها و زیرساخت‌های کشف تقلب در Simpl چیست؟


ما در شش ماه گذشته بیش از ۳ برابر رشد کرده ایم. این بدان معنا است که زیرساخت‌های ما بار بسیار بیشتری از قبل را تحمل می‌کند. برای مدیریت پیک RPM همزمان و تأخیرهای کمتر، در سه‌ماهه آینده پروژه معماری مجدد را انجام خواهیم داد.


منبع: باشگاه خبرنگاران جوان


انتهای پیام/

انتهای پیام/

ارسال نظر