利用数据可视化，银行可以显着增强其欺诈检测能力。我与 Atmajitsinh Gohil 进行了交谈，他是《 R 数据可视化手册，关于改变打击金融欺诈的技术。
根据 尼尔森报告预计到 2026 年，全球信用卡损失将达到 430 亿美元。 Atmajitsinh Gohil，著名作家 R 数据可视化手册， 作为人工智能工具领域的顶级专家之一，他认为数据可视化技术对于打击欺诈至关重要。
Atmajitsinh 与金融机构合作评估金融数据并设计人工智能支持的异常检测工具。这些人工智能工具可以识别数据中的模式并检测可能的欺诈者。 Gohil 开发了专有的数据可视化工具来识别金融欺诈、保护金融数据并检测新的和正在出现的威胁。
他的 R 数据可视化手册 深入研究 R 编程语言，提供从数据分析学生到政策制定者等每个人都不可或缺的实用知识。
“如今，银行严重依赖机器学习模型，通过分析数据集来识别犯罪，”戈希尔说。 “这些数据集中欺诈的比例非常小，这使得检测具有挑战性。”
他目前正在为世界上最大的银行进行机器学习模型验证。 Gohil 表示，犯罪分子使用各种策略，例如从暗网获取被黑客入侵的客户信息、利用生成式人工智能进行网络钓鱼个人数据以及通过加密货币洗钱。
Gohil 非常善于利用人工智能来减轻财务损失，这一策略最近在金融机构中受到关注。例如，万事达卡 推出 生成人工智能模型，帮助银行更好地评估其网络上的可疑交易。
该专有算法根据每年通过该公司卡网络的约 1,250 亿笔交易的数据进行训练。平均而言，万事达卡的技术可以将欺诈检测率提高 20%，在某些情况下，提高幅度高达 300%。
金融犯罪预防
戈希尔表示，金融公司从各种交易中收集大量数据，包括汇款和登录活动。识别欺诈活动涉及将个人资料与历史数据进行比较以检测可疑模式。
Gohil 的创新数据可视化技术在此过程中发挥了至关重要的作用。 “可视化通过创建仪表板发挥作用，仪表板可以显示有多少人登录、他们的性别、年龄组以及欺诈发生的地点，”Gohil 说。 “这有助于确定欺诈行为是否集中在特定人群或地区。”
当欺诈模型表现不佳时，银行会进行调整并使用可视化技术来比较新旧模型。
“您可以可视化数据以查看更改前和更改后的性能。这有助于了解这些调整是否减少了误报或提高了检测率。”Gohil 补充道。
银行面临的主要风险
随着技术的进步，犯罪分子采用的方法也在不断进步。 “诈骗者适应得非常快。他们积极致力于破坏系统，尤其是在人工智能介入的情况下，”戈希尔警告说。例如，技术可用于创建假身份证或其他欺骗性方式来破坏银行系统。
银行面临的主要风险之一是维持客户信任并保护其数据。 “让客户满意并确保他们的身份不被泄露是重要的问题，”戈希尔指出。
由第三方供应商开发的语音识别技术就是一项帮助银行识别欺诈电话的创新技术。这些系统可以分析各种输入，例如电话号码和地理位置，以标记可疑活动。
“语音识别可以根据模型中的不同变量来识别电话是否是欺诈性的，”Gohil 解释道。
预防欺诈的未来
银行面临的威胁在不断变化。网络钓鱼电子邮件、垃圾邮件和首席执行官的虚假通信只是欺诈者使用的一些策略。戈希尔警告说，银行必须保持警惕并采用新技术来保护自己和客户。
利用 Gohil 的数据可视化技术，金融公司可以采用人工智能来创建场景，识别潜在威胁并采取预防措施。例如，将电子邮件标记为内部或个人电子邮件可以帮助银行监控信息流并防止网络钓鱼攻击。
虽然许多银行拥有有效的工具来检测可能表明欺诈的异常行为，但这些工具并不完美。这就是为什么 Gohil 的数据可视化技术对于识别欺诈模式至关重要。
“先进技术对于区分合法交易和恶意交易至关重要，”他说。金融公司只能利用数据来准确评估其欺诈检测系统的有效性。
特色图片来源: 爱德华多·苏亚雷斯/Unsplash
