پلتفرم هوش مصنوعی Mastercard برای مقابله با تقلب در تراکنش‌های مالی

در دنیای امروز که حجم تراکنش‌های مالی به طور چشمگیری افزایش یافته است، مقابله با تقلب در این تراکنش‌ها به یکی از چالش‌های اساسی شرکت‌های فعال در حوزه پرداخت‌های الکترونیکی تبدیل شده است. شرکت Mastercard به عنوان یکی از پیشروهای این صنعت، با بهره‌گیری از فناوری‌های پیشرفته هوش مصنوعی و یادگیری ماشین، پلتفرمی به نام Decision Intelligence Pro (DI Pro) را توسعه داده است که قادر است در کمتر از ۳۰۰ میلی‌ثانیه تراکنش‌ها را بررسی و احتمال تقلب را تشخیص دهد.

Mastercard سالانه حدود ۱۶۰ میلیارد تراکنش را پردازش می‌کند و در زمان‌های اوج مانند تعطیلات دسامبر، این تعداد به ۷۰ هزار تراکنش در ثانیه می‌رسد. در چنین شرایطی، شناسایی تراکنش‌های مشکوک بدون ایجاد هشدارهای کاذب، کاری بسیار پیچیده و نیازمند فناوری‌های بسیار پیشرفته است. DI Pro با استفاده از مدل‌های پیچیده هوش مصنوعی، هر تراکنش را به صورت جداگانه مورد ارزیابی قرار می‌دهد و ریسک احتمالی آن را در زمان واقعی محاسبه می‌کند.

این پلتفرم بر پایه شبکه‌های عصبی بازگشتی (RNN) طراحی شده است که Mastercard آن را معماری “توصیه‌گر معکوس” می‌نامد. این معماری تقلب را به عنوان یک مسئله توصیه‌گری در نظر می‌گیرد و با تحلیل الگوهای رفتاری کاربران و ارتباط بین فروشندگان مختلف، سعی می‌کند تراکنش‌های غیرعادی را شناسایی کند. به گفته یوهان گربر، معاون ارشد راه‌حل‌های امنیتی Mastercard، DI Pro به دنبال این است که در لحظه، ریسک هر تراکنش را به دقت ارزیابی کند تا بانک صادرکننده کارت بتواند تصمیم درست را برای تایید یا رد تراکنش اتخاذ نماید.

کریس مرز، معاون ارشد علم داده در Mastercard، توضیح می‌دهد که مسئله تقلب از دو جنبه رفتار کاربران و رفتار کلاهبرداران قابل بررسی است و مدل‌های هوش مصنوعی تلاش می‌کنند این دو الگو را از هم تفکیک کنند. یکی از چالش‌های مهم در این حوزه، رعایت قوانین حاکم بر حاکمیت داده‌ها است که شرکت Mastercard با استفاده از داده‌های کاملاً ناشناس و تجمیع شده، این مشکل را حل کرده است. این داده‌ها بدون نقض حریم خصوصی کاربران، به صورت جهانی برای آموزش مدل‌ها استفاده می‌شوند و به این ترتیب، الگوهای جهانی در تصمیم‌گیری‌های محلی تاثیرگذار هستند.

علاوه بر این، Mastercard با استفاده از تکنیک‌های پیشرفته مانند “honeypots” یا محیط‌های مصنوعی، تلاش می‌کند تا کلاهبرداران سایبری را در دام بیندازد. این روش به شرکت اجازه می‌دهد تا شبکه‌های حساب‌های واسطه‌ای یا mule accounts را شناسایی و ارتباط آن‌ها با حساب‌های قانونی را تحلیل کند. این رویکرد به مبارزه با کلاهبرداری‌های پیچیده کمک می‌کند و امکان نقشه‌برداری از شبکه‌های جهانی تقلب را فراهم می‌آورد.

Mastercard همچنین با ایجاد یک “sandbox” برای بدافزارها و همکاری با شرکت‌هایی مانند Recorded Future، توانسته است ابزارهای پیشرفته‌تری برای تحلیل تهدیدات سایبری توسعه دهد. این اقدامات در کنار مستندسازی دقیق نیازهای مهندسی داده و تمرکز بر اولویت‌بندی پروژه‌ها، به شرکت کمک کرده است تا از مرحله آزمایش به پیاده‌سازی موفق فناوری‌های هوش مصنوعی برسد.

در نهایت، تجربه Mastercard نشان می‌دهد که موفقیت در به‌کارگیری هوش مصنوعی در حوزه امنیت مالی نیازمند سه مرحله ایده‌پردازی، فعال‌سازی و پیاده‌سازی است که بسیاری از سازمان‌ها متاسفانه مرحله فعال‌سازی را نادیده می‌گیرند. این پلتفرم نمونه‌ای از تلاش‌های پیشرفته برای مقابله با تقلب در دنیای مالی است که با ترکیب فناوری‌های نوین و دانش تخصصی، امنیت تراکنش‌های مالی را بهبود می‌بخشد.