به گزارش ایران دکونومی، امین علی‌عبدی، رئیس گروه پایش و کنترل مخاطرات و مدیریت نظارت کاشف، در رویداد اینوتکنیک به موضوع شناسایی الگوهای رفتاری نامتعارف و عملیات مشکوک در ابزار کارتی پرداخت و در این باره گفت: از آنجا که کارت به کارت ویژگی امکان تبادل وجه به صورت آنی را در اختیار مشتری قرار می‌دهد، بیش از سایر ابزارها امکان سوءاستفاده از آن وجود دارد. ما در شرایطی قرار داریم که کارت‌های بانکی اجاره داده می‌شود و عده‌ای با کارت‌های اجاره‌ای دست به سوءاستفاده از نظام بانکی می‌زنند.
تاکید می‌کنم موارد سوءاستفاده از ابزار کارتی بیشتر است و هوش مصنوعی و دیپ‌لرنینگ در این زمینه به نظام بانکی کشور کمک می‌کند.
ما در حال حاضر قوانین زیادی در این حوزه داریم، اما تقلب و کلاهبرداری از قوانین ما پیچیده‌تر است و شناخت این سوءاستفاده‌ها به ابزارهای فناورانه نیاز دارد.

قانون‌گذاری با خطکشی تفاوت دارد

عبدی در ادامه به قانون‌گذاری هوشمندانه در نظام بانکی اشاره کرد و افزود: قانون‌گذاری تنها خط‌کشی کردن نیست و باید آن را یک منحنی در نظر گرفت که با یادگیری عمیق (deep learning) و تکنیک‌های یادگیری ماشین می‌توان در قانون‌گذاری منعطف‌تر برخورد کرد‌.

طبق گفته او فرار مالیاتی، پولشویی، معاملات فردایی کلاهبرداری بخشی از این سوءاستفاده‌ها هستند که با اعمال یک سری قوانین و دادن داده‌ها به هوش مصنوعی می‌توان این معضل‌ها را کاهش داد.

راهکار چیست؟

عبدی در ادامه به ارائه راهکار این چالش‌‌ها پرداخت و توضیح داد: در ابتدا با دسته‌بندی کارت‌های بانکی بر اساس الگوی رفتاری تراکنش‌ها و دسته‌بندی کسب و کارها به کسب و کارهای مجاز و کسب و کارهای مجرمانه و اشخاص عادی می‌توانیم گام آغازین را انجام دهیم.
در مرحله بعدی تشخیص موجودیت‌های دارای الگوهای رفتاری نامتعارف نسبت به الگوی رفتاری سایر موجودیت‌های از آن نوع و نسبت به الگوی رفتاری پیشین همان موجودیت، موضوع مهمی است.
ما می‌توانیم سواستفاده‌ها را به کمک هوش مصنوعی شناسایی کنیم. برای مثال وقتی تراکنش‌های بانکی یک کارمند پر از تراکنش‌‌های میلیاردی شود و امثال این اتفاقات، اینها به خودی خود داده‌هایی است که هوش مصنوعی آن را تشخیص می‌دهد.

محرمانگی داده‌ها

او در ادامه محرمانگی داده‌ها را از چالش‌های این حوزه دانست و تشریح کرد: در حال حاضر چالش محرمانگی داده موضوعی جدی است که باید با کمک رگولاتوری این مشکل را حل کرد، اما الان به کمک داده‌های شماره کارت مبدا، نوع تراکنش، تاریخ و زمان انجام تراکنش، مبلغ تراکنش، نوع ترمینال پذیرنده، کد یکتای ترمینال پذیرنده و شماره کارت مقصد در حال تکمیل داده‌ها به هوش مصنوعی هستیم.

منبع: پیوست

لینک کوتاه :
اشتراک گذاری : Array