Woran denkst du als Erstes, wenn du an eine Bank denkst? Bargeld, Karten... Bankräuber!? Falls du an letzteres gedacht hast, denke nochmal nach.
Scherz beiseite, wenn es um Banking geht, ist Sicherheit äußerst wichtig. Während die Umstellung auf digitales Geld und mobiles Banking einige Formen von Kriminalität überflüssig gemacht haben, ist die Betrugsprävention oft wie ein Katz-und-Maus-Spiel. Durch die Verwendung neuester Technologien vereinfachen wir dein Bankenerlebnis, damit du dich auf das konzentrieren kannst, was wichtig ist. Sei es Zeit mit deiner Familie zu verbringen, sorgloses Reisen oder dein Geschäft auszubauen, wir halten immer Ausschau nach der nächsten besten Sache, die dir mehr Freiheit gibt.
Als wir 2015 starteten, wollten wir den Status quo dessen, was eine Bank sein sollte, in Frage stellen. Dies führte zu einigen frühen Innovationen wie In-App-CVC-Codes (Auf Wiedersehen, Karten-Skimming) und keine physischen Filialen (Hallo, Geschwindigkeit und Bequemlichkeit!). Heute erforschen wir einen weniger bekannten Vorteil des mobilen Bankings: Betrugserkennung und -prävention.
Die Herausforderung besteht darin, Millionen von Transaktionen in Echtzeit auf illegale Aktivitäten zu überprüfen und Betrug zu verhindern. Klingt einfach, oder? Ach ja, und auch sicherzustellen, dass nichts davon das großartige Benutzererlebnis beeinträchtigt, an das du gewöhnt bist.
Stell dir ein Szenario vor, in dem ein Konto unregelmäßige Zahlungen von verschiedenen unbekannten Bankkonten erhält und dann plötzlich das ganze Geld abgehoben wird. Glaubst du, dass dies:
a) Ein Fall von Geldwäsche ist?
b) Freunde, die dir das Geld für Pizza zurückzahlen?
c) Vollständiger Marie Kondo-Modus und Verkauf deiner Schallplatten auf eBay?
Gute Frage! Um dies zu beantworten, und um sicherzustellen, dass wir hart gegen Kriminelle und einfach für dich sind, verwenden wir überwachtes und unüberwachtes maschinelles Lernen.
Wenn du mit unserem Compliance-Team sprichst, wirst du Begriffe wie Nigerianischer Prinz, Smurfing oder Geldwäsche zu hören bekommen, die zeigen, dass viele Arten von Bankbetrug tatsächlich gut bekannt sind. Um diese Muster zu erkennen, verwenden wir überwachtes maschinelles Lernen. Dabei handelt es sich um einen Algorithmus, der über 500 Datenpunkte pro Transaktion betrachtet und Hunderte konkurrierende Entscheidungsbäume erstellt, um zu entscheiden, ob eine Transaktion verdächtig ist oder nicht. Der Algorithmus lernt auf der Grundlage von Jahren markierter Transaktionsdaten und ist darauf ausgelegt, dich jederzeit sicher zu halten!
Dies funktioniert gut, um vorhandene Muster zu erkennen, aber wie sieht es mit völlig neuen Arten von Betrug aus? Sag Hallo zu... unüberwachtem Lernen!
Indem wir alle nicht-verdächtigen Transaktionen durch ein Autoencoder-Tiefenlernmodell laufen lassen, finden wir hochkomplexe und ungewöhnliche Muster, die mit zuvor unbekannten Betrugssystemen verknüpft sein können. Wenn bestätigt, werden die Daten markiert und von den überwachten Lernmodellen als Eingabe verwendet - ein weiteres Mal wurde einer entlarvt!
Wenn all dies kompliziert klingt, könntest du dich fragen: Gibt es nicht einen einfacheren Weg?
Ja, den gibt es! Und er heißt Regeln. Bis vor kurzem haben die meisten traditionellen Banken kein maschinelles Lernen verwendet, um betrügerische Muster zu erkennen. Und selbst im Jahr 2020 verlassen sie sich größtenteils auf einfache, regelbasierte Modelle, was bedeutet, verdächtige Muster zu definieren und sie dann jedes Mal manuell zu überprüfen, wenn sie auftreten.
Diese Regeln sind in der Regel nicht so effektiv wie maschinelles Lernen. In bestimmten Fällen können sie jedoch sehr wirksam sein, daher verwenden wir sie auf zwei Arten: wenn ein Muster immer betrügerisch ist, und wenn unsere überwachten Lernmodelle noch dabei sind, das neue Muster zu erkennen, indem sie Daten verwenden, die von der Regel generiert wurden.
Hier ist, warum unser hybrider Ansatz dich sicherer hält:
1. Wir diskriminieren nicht nach Nationalität oder Aussehen
Natürlich tut das niemand absichtlich - aber indem wir uns auf Verhaltensmuster anstelle von Stereotypen und Vorurteilen konzentrieren, ist unser Modell fairer als menschliche Compliance-Beauftragte.
2. Wir können das Benutzererlebnis so gestalten, dass es für dich mühelos und für Betrüger schrecklich ist
Maschinelles Lernen ermöglicht eine schnellere Erkennung betrügerischen Verhaltens als regelbasierte Modelle, und es ist viel genauer.
3. Indem wir immer einen Schritt voraus von Kriminellen bleiben, haben wir mehr Zeit, uns auf das zu konzentrieren, was wirklich wichtig ist: die beste Bank für dich aufzubauen
Also, das ist es! Das ist eine der Möglichkeiten, wie wir dein Geld jeden Tag sicher halten, aber natürlich passiert unter der Oberfläche noch viel mehr.
Wenn du daran interessiert bist, mehr darüber zu erfahren, wie wir Betrug verhindern und dich sicher halten, lass es uns hier wissen!
Verbreite Liebe, keinen Betrug!
