Logo Zéphyrnet

Lutter contre la fraude à l'avenir: ce que les banques doivent faire

Date :

By Pat Shea

Les comportements des clients ont radicalement changé pendant le verrouillage de la pandémie, ce qui a naturellement également changé l'industrie des paiements.

Pour éviter la fraude, le secteur financier a toujours mis en place des freins et contrepoids spécifiques pour identifier les comportements suspects ou suivre les changements de comportement des clients. Ces freins et contrepoids, qui étaient basés sur la logique et la formation pour identifier les modèles, ont bien fonctionné pour la plupart jusqu'à ce qu'une pandémie basée sur tout sauf la logique et les modèles ait des clients qui n'ont jamais utilisé les services bancaires en ligne ou acheté des biens et services via un portefeuille numérique. soudainement le faire à plusieurs reprises. Et plus de clients en ligne signifiaient plus de fraude.

"Les schémas et modèles qui ont toujours été utilisés pour déterminer la fraude ne sont malheureusement plus pertinents", a déclaré James Heinzman, vice-président exécutif des solutions de services financiers pour ThetaRay, dans une interview avec ATM Marketplace. "Les banques génèrent désormais 400 à 600 fois plus d'alertes qu'elles ne l'étaient avant la pandémie et les modèles identifient les nouveaux comportements comme suspects, au lieu de reconnaître que le comportement fondamental du marché a changé."

Heinzman a expliqué que parce que l'industrie n'avait jamais vu de changements aussi radicaux auparavant, les modèles qui étaient utilisés avant la pandémie doivent être réécrits, recyclés et recalibrés pour avoir un sens à l'avenir.

« Il s'agit d'un effort très coûteux et consommateur de ressources. Est-il vraiment judicieux de réécrire les programmes technologiques hérités ? Nous pensons que l'apprentissage automatique non supervisé est une meilleure solution au problème. Les solutions avancées d'intelligence artificielle résolvent ce problème car elles sont basées sur les données et s'adaptent automatiquement à la nouvelle normalité », a déclaré Heinzman. « Il distingue avec précision les changements du marché de gros et les véritables comportements suspects. Parce qu'il n'y a pas de règles ou de modèles prédéfinis, il peut établir des liens et identifier des modèles même s'il n'y a pas eu d'exemple préalable.

Q : Si les modèles de détection du blanchiment d'argent et de la fraude sont devenus presque inutiles à cause du COVID-19, que devrait faire une banque ?

A: La première chose qu'une banque doit faire est de revoir ses programmes AML. Découvrez les personnes, les processus et la technologie. Ils doivent reconnaître que le monde a changé pour toujours ; le virus ne part pas. Il est temps pour les banques d'adopter réellement les nouvelles technologies et de moderniser leur infrastructure. Une grande partie de la banque était basée sur les relations -interaction humaine. Cela a radicalement changé. La banque du futur passera principalement par le web et les canaux numériques. Les programmes AML doivent s'adapter pour répondre à ce changement et moderniser la technologie.

Q : Comment les banques s'exposent-elles à une augmentation de la cybercriminalité ?

A:Tes employés de la banque travaillent désormais à domicile, les systèmes de sécurité n'ont pas été conçus pour cela et de nouvelles vulnérabilités sont apparues. Cela oblige également les banques à révéler des informations sensibles à ces travailleurs à distance sur leurs appareils personnels, exposant ainsi des données sensibles. Les banques doivent adopter des approches plus modernes de la cybercriminalité et examiner non seulement les défenses du périmètre, mais également l'activité commerciale, afin d'identifier et d'atténuer ces violations qui ne sont pas détectées.

Q : Quels sont les principaux cybercrimes auxquels les institutions financières doivent faire attention ?

A:Il y a beaucoup d'attaques que nous n'avons jamais vues avant de frapper ces banques, et elles deviennent de plus en plus sophistiquées. Et maintenant, grâce à la faille du Financial Crimes Enforcement Network, ils sont mieux informés. Les techniques de phishing et de spear-phishing gagnent en efficacité grâce au travail à distance ; les chances de cliquer sur un lien suspect augmentent lorsque les employés ne sont pas au bureau et que leur supervision s'avère difficile. De plus, la peur du déplacement de l'emploi pousse les employés à faire des choses qu'ils ne feraient pas normalement, ce qui les expose à un risque plus élevé de tomber dans ce type d'attaque. Les plus grandes menaces de l'ère post-COVID pourraient bien provenir des banques elles-mêmes.

Q : Pouvez-vous expliquer le nouveau type d'IA intuitive ?

A: L'intuition artificielle permet aux ordinateurs d'identifier les menaces et les opportunités sans suivre un modèle prédéfini basé sur l'expérience humaine ou des événements passés et sans se faire dire ce qu'il faut rechercher. Tout comme l'intuition humaine nous permet de prendre des décisions sans être spécifiquement instruit sur la façon de le faire. Essentiellement, l'intuition artificielle évalue tous les points de données et comment ils sont connectés. Il peut créer une vue dynamique sur ce qui se passe et comment tout est connecté à tout le reste. De cette façon, il peut imiter la façon dont le cerveau humain traite les informations et prend des décisions sur ce qui est inhabituel.

Pensez à ce qui se passe lorsque vous voyez une personne s'approcher de vous. La plupart des gens ne sortent pas de règle pour mesurer la distance entre leurs oreilles, la distance entre leurs yeux ou la longueur de leur menton. Ce qu'ils font, c'est regarder très rapidement toutes les informations sur cette personne. Toutes les connexions de points de données et de le comparer à une mémoire. Est-ce quelqu'un que j'ai déjà vu ? Sont-ils un ami? Une menace? etc. De la même manière, l'intuition artificielle peut établir des liens entre des points de données qui semblent normaux séparément, mais qui, lorsqu'ils sont examinés ensemble, éveillent la suspicion.

Q : Pourquoi parle-t-on d'intuition artificielle et non d'intelligence ?

A: Lorsque les gens entendent le terme "intelligence artificielle", ils ont tendance à imaginer ces systèmes extrêmement basés sur la logique qui suivent une programmation basée sur des règles. Oui, il est vrai que la plupart des applications d'IA du monde réel ne sont pas HAL9000, mais elles suivent toujours un ensemble de règles sur lesquelles elles ont été formées ; "si X se produit alors Y se produira." L'intuition artificielle s'éloigne de cette approche basée sur des règles et permet au système d'agir de lui-même en utilisant des algorithmes sophistiqués pour établir des liens entre les points de données. Il n'est pas nécessaire d'apprendre tous les scénarios possibles, et avouons-le, ce serait impossible car cela exigerait que les êtres humains soient conscients et comprennent un nombre infini de situations possibles. Il peut aller au-delà de l'intelligence humaine et faire automatiquement des déductions sur les mégadonnées qui imitent l'intuition d'un humain, s'il était capable de le traiter.

Q : Quels sont les avantages de cette technologie ?

A: Les institutions financières ont de plus en plus commencé à adopter l'intuition artificielle pour détecter les systèmes de cybercriminalité financière nouveaux et sophistiqués, y compris les services bancaires correspondants, les transactions transfrontalières, le financement du commerce, le blanchiment d'argent, la fraude et le piratage de guichets automatiques. Ces crimes sont généralement cachés entre des milliers et des milliers de transactions qui ont leur propre ensemble de paramètres connectés. En combinant des algorithmes mathématiques sophistiqués et brevetés et des interfaces technologiques conviviales, l'intuition artificielle identifie automatiquement et avec précision les activités suspectes réelles et les présente aux analystes dans un format facilement compréhensible avec une transparence et une évolutivité totales. Il fournit également tous les outils et données médico-légales réunis dans une interface unique pour enquêter et résoudre les problèmes identifiés. Il augmente l'efficacité et réduit les risques.

Q: Quels sont les défis?

A: Les principaux défis ne concernent pas vraiment la technologie en soi, mais ils sont davantage liés au changement de paradigme que représente la technologie. C'est nouveau et c'est différent. Il représente un changement qui peut être effrayant pour certains et difficile à accepter pour d'autres. Cela peut également être perçu comme une menace pour les parties prenantes internes qui préfèrent construire et créer des solutions technologiques en interne. Ces défis peuvent être dangereux pour une banque et peuvent inhiber sa capacité à trouver les meilleures solutions aux crises actuelles.

D'autres défis ne sont pas propres à cette technologie, mais ils méritent d'être mentionnés ici. Le big data reste un gros problème pour les banques. Ils se sont améliorés pour avoir une stratégie de données cohérente et intégrer des technologies de mégadonnées, mais ils ont encore du chemin à parcourir. L'acquisition de données, la qualité des données et le processus ETL sont toujours des défis pour les banques qui entravent leur capacité à déployer rapidement de nouvelles technologies.

Q : Comment l'IA « détecte » change-t-elle ?

A: Un système utilisant l'intuition artificielle détecte les changements en appliquant un modèle qualitatif aux données qu'il analyse, plutôt que le modèle quantitatif traditionnel utilisé par les solutions d'IA basées sur des règles. À partir de là, l'intuition artificielle analyse l'ensemble de données et développe un langage contextuel qui représente la configuration globale des données. Il est capable de comprendre la « vue d'ensemble » de ce qui se trouve devant lui, plutôt que de se limiter aux points de données individuels.

Par exemple, même si les points de données X, Y et Z semblent complètement normaux en eux-mêmes, un modèle artificiel basé sur l'intuition identifierait que, lorsqu'ils sont analysés ensemble, quelque chose ne correspond tout simplement pas. Le système signalerait cela. Il a également identifié automatiquement la "dérive" dans les données. À mesure que les opérations commerciales et les conditions du marché changent, les données présentées au système changent également. En identifiant automatiquement ces dérives, le système peut s'adapter à la « nouvelle normalité ». De cette manière, il peut identifier en permanence uniquement les cas véritablement suspects, pérenniser les défenses de la banque et assurer une détection efficace et efficiente.

Q : Est-il capable de réduire les alertes et de séparer les menaces des changements de comportement de base ?

A:Oui. En fait, la pandémie en est un excellent exemple. À la suite de COVID-19, les habitudes bancaires des consommateurs ont radicalement changé. Les services bancaires en personne ne se produisent pas à l'échelle d'avant COVID, les paiements en espèces ont chuté de façon spectaculaire (personne ne veut y toucher de peur d'attraper le virus), l'utilisation des cartes de crédit et de débit a augmenté et les services bancaires en ligne et mobiles ont explosé.

Ces macro-changements dans le comportement des consommateurs sont automatiquement identifiés comme une "dérive" dans les données par le système et la technologie réapprend la "nouvelle normalité" sur l'ensemble de l'ensemble de données. En comprenant ces macro-modifications et en les prenant en compte, le système peut continuer à produire de faibles volumes d'alertes de haute qualité. Les banques signalent qu'elles ont réduit le nombre total d'alertes de 30 à 40 %, dont 95 % sont " dignes d'une enquête ", tout en réduisant simultanément le temps d'enquête global par alerte jusqu'à 50 %. Lorsque vous comparez cela avec le pic de 400 à 600 fois plus d'alertes et plus de 90 % de faux positifs que les banques connaissent avec leurs systèmes actuels, cela en dit long.

Q : Comment fonctionne la technologie de votre entreprise pour lutter contre la fraude ?

A: La technologie ThetaRay est conçue pour fournir des solutions de bout en bout, de l'intégration des données à la disposition des alertes et à la création de rapports. Grâce à une combinaison de technologies Big Data leaders du marché, de microservices, d'une architecture basée sur des API et de capacités prêtes pour le cloud, la technologie peut être déployée sur site ou dans le cloud. Avec des capacités de détection complètes, le système peut rassembler différentes capacités de détection dans une seule solution. L'interface utilisateur est conçue par des experts en enquête pour des experts en enquête et pour offrir une expérience utilisateur efficace et de haute qualité.

Q : Y a-t-il des limites ?

A:La technologie de base est basée sur le cerveau humain et n'est vraiment limitée que par l'imagination de ceux qui l'utiliseraient. La technologie fonctionne sur du matériel standard et une infrastructure de Big Data, de sorte qu'elle peut évoluer et évoluer si nécessaire. Il est conçu pour s'intégrer de manière transparente aux systèmes existants et peut immédiatement améliorer et augmenter les systèmes actuels et apporter de l'efficacité grâce à une meilleure identification des résultats réels et de l'efficacité grâce à la réduction des volumes d'alertes et des faux positifs. Au fil du temps, le système pourrait soit être intégré à l'écosystème technologique d'une banque, soit être transféré en remplacement d'un système hérité.

Q : À votre avis, à quoi ressemble l'avenir des institutions financières après la pandémie ?

A:La pandémie a accéléré beaucoup de courbes. J'entends par là l'adoption de la banque numérique, le mouvement vers une société sans chèque et sans espèces, la façon dont les consommateurs interagissent avec leurs fournisseurs de services financiers et l'approche en temps réel et autogérée de la banque que les jeunes générations exigent continueront de changer fondamentalement le l'industrie banquaire.

Les Fintechs qui fournissent des services de type bancaire gagnent des parts de marché et poussent les banques à innover. Je pense que c'est une période difficile pour les banques car elles ont du mal à s'adapter et à être compétitives dans le monde post-pandémique. Ce changement était en cours bien avant la pandémie, mais il s'est considérablement accéléré à cause de cela. Je pense que ce sera un peu difficile pour les banques au cours des prochaines années. Avec des taux d'intérêt proches de zéro (dans certains pays, ils sont négatifs), les centres de profit et les modèles de revenus seront réévalués, de nouveaux produits innovants seront développés, des services et des méthodes de livraison seront créés, et à la fin, le secteur financier en sortira meilleur, plus fort et plus résistant que jamais. Je vois cette période un peu comme des douleurs de croissance. Cela va être dur, voire douloureux pendant un certain temps, mais le résultat final en vaudra la peine.

Q : Quelle est la chose la plus importante qu'une institution financière puisse faire pour se protéger contre la fraude ?

A: Oubliez le passé. Tout ce qui fonctionnait avant la pandémie ne fonctionnera plus. Adoptez de nouvelles idées, technologies et méthodes. N'ayez pas peur d'innover. Essayez de nouvelles choses et "échouez rapidement". Plus vous attendez, pire ce sera. Ne soyez pas paralysé par l'analyse et l'inaction. Jetez un regard neuf sur les problèmes et soyez créatif dans l'approche.

Le poste Lutter contre la fraude à l'avenir: ce que les banques doivent faire apparaît en premier sur Actualités Fintech.

Commander PrimeXBT
Échangez avec les partenaires CFD officiels de l'AC Milan
Source : https://www.fintechnews.org/fighting-fraud-in-the-future-what-banks-need-to-do/

spot_img

Dernières informations

spot_img