대출 기관이라면 사기 문제가 있습니다! 사기는 모든 대출 사업에 있어 불행한 현실입니다. 왜냐하면 귀하의 제품이 돈이라면 누군가가 그것을 훔치려고 할 것이기 때문입니다. 대출 기관 손익의 잠재적 주요 구성 요소인 사기로 인한 대출 손실은 비용이 많이 드는 문제가 될 수 있습니다. 실제로 사기로 인해 1달러를 잃었을 때마다 미국 금융 서비스 회사는 4.23달러의 손실을 입고 있다고 합니다.렉시 스 넥시 스. 

사기와 마찬가지로 문서는 모기지에서 중소기업 신용 한도 및 그 이상에 이르기까지 다양한 대출 신청 프로세스에서 일정하게 사용되는 경우가 많습니다. 사기는 대출 운영의 수익성과 효율성에 부정적인 영향을 미칠 가능성이 있지만 자동화, 사기 탐지 기술 및 고급 분석의 지능적인 적용을 통해 완화할 수 있습니다. 

대출 문서 사기

먼저 대출 기관이 문서를 수집하고 평가하는 방법을 검토해 보겠습니다. 기존 방법, 특히 문서를 수동으로 검토하는 방식은 많은 변경 사항이 육안으로 보이지 않기 때문에 사기가 감지되지 않을 위험이 높아질 수 있습니다. 간단한 패턴 인식부터 고급 기계 학습 및 AI에 이르기까지 다양한 기술을 통해 문서의 디지털 계층을 더 깊이 파고들어 수정 사항, 이상 징후, 불법 행위의 지문을 식별할 수 있습니다. 

사기는 복잡한 자료에서만 발생한다고 생각할 수 있지만 변조의 증거는 대출 기관이 사용하는 가장 일반적인 문서에서도 찾을 수 있습니다. 지난 몇 년 동안 문자 그대로 수억 개의 문서를 검토한 Ocrolus는 이 대규모 데이터 세트를 사용하여 모델을 훈련하여 다음을 포함하여 문서가 변경되는 가장 일반적인 방법 중 일부를 식별했습니다. 

• 변경된 날짜 필드 – 이러한 유형의 문서 사기는 잠재적 차용인의 합법적인 은행 명세서에서 흔히 발견됩니다. 예를 들어, 대출 기관은 재정 건전성과 현금 흐름을 평가하기 위해 신청자에게 3개월 간의 명세서를 요청할 수 있습니다. 잠재적인 차용인이 해당 기간 동안 가장 좋은 숫자를 가지고 있지 않다고 가정해 보겠습니다. 신청자는 재정 상태가 더 좋았던 이전 기간의 진술서를 가져와서 요청한 날짜로 날짜를 변경하여 자신이 말하는 사람이고 해당 금융 기관에 속해 있으며 진술서가 진짜이고 발견된 정보인 것처럼 보이게 할 수 있습니다. 이내 정확합니다. 
• 수정된 거래 – 재무제표에서 볼 수 있는 사기의 또 다른 대표적인 예는 변경된 거래 데이터입니다. 신청자는 수입이나 수입이 실제보다 더 크거나 더 합법적으로 보이도록 예금의 ​​규모나 출처를 편집할 수 있습니다. 이렇게 더 복잡한 변경을 수행하려면 숫자가 일치하고 형식이 합법적인 것처럼 보이도록 문서 전체에 걸쳐 추가 편집(때로는 수백 번)이 필요합니다. 예를 들어, 신청자는 계정 잔액에 수천 달러를 추가한 다음 문서의 모든 단일 거래 금액을 변경하여 숫자를 묶을 수 있습니다. 또는 신청자는 내부 이체가 합법적인 고객으로부터 발생한 수익처럼 보이도록 거래 텍스트를 변경할 수도 있습니다.
• 가짜, 생성된 자료 – 재무제표와 마찬가지로 사람들은 때때로 합법적인 소스에서 실제 문서를 편집하지만 급여명세서와 같이 필요한 특정 유형의 문서가 없으면 어떻게 될까요? 가짜 문서 생성기가 등장하는 곳입니다. 이러한 웹사이트는 신청자가 구매하고 제출하여 대출 신청이 완료된 것처럼 보이게 할 수 있는 현실적인 급여명세서를 제공합니다. 
• 위조된 신원 – 신원 도용은 대출 신청 시 널리 퍼져 있는 또 다른 유형의 사기입니다. 이는 주민등록번호나 운전면허 번호 등 기존 개인의 정보를 훔치는 형태로 나타날 수도 있고, 실제 개인 정보와 가짜 개인 정보 조각을 결합해 새로운 가상의 신원을 조작하는 방식으로 한 단계 더 나아가는 형태로 나타날 수도 있습니다. 

사기 완화 및 예방

이러한 유형의 사기를 탐지하고 예방하려면 균형이 필요합니다. 대출 기관은 신청 프로세스에 너무 많은 마찰을 추가하거나 '오탐지'로 인해 지나치게 민감한 필터에 합법적인 고객이 갇히게 하지 않고도 사기 행위를 효과적으로 감지할 수 있어야 합니다. 대출 기관은 각 신청자를 인터뷰하거나 승인 전 2년의 명세서를 요구하여 대부분의 사기를 방지할 수 있지만 거의 모든 대출자는 이러한 번거로운 절차를 신속하게 피할 것입니다!

자동화는 인간이 인식할 수 없는 수준의 사기 또는 변조를 탐지하는 능력을 통해 이러한 격차를 해소하는 데 도움이 됩니다. 고급 소프트웨어는 문서의 디지털 '내장'을 심층 분석함으로써 대출 기관에 변경 사항과 불일치를 경고할 수 있습니다. 

명세서의 100개 필드가 편집되었음을 표시하고, 급여 명세서 생성기가 남긴 디지털 지문을 찾아내고, 애플리케이션에 제공된 개인 정보의 불일치 또는 기타 변경 사항을 찾아내는 등 AI 기반 사기 탐지 소프트웨어는 다양한 항목을 식별할 수 있습니다. 문서 변조. 

사기 완화는 개별 신청자 수준에서 시작되지만 규모에 따른 사기 방지는 조직이 강력한 시스템, 정책 및 운영을 갖추고 있을 때만 가능합니다. 대출 기관은 효과적인 학습 시스템을 개발하기 위해 차용자 패턴 및 관련 결과와 같은 중요한 정보를 지속적으로 수집하고 검토해야 합니다. 이 데이터를 기반으로 조직은 탐지 관행을 지속적으로 강화하고, 임계값을 조정하고, 분석가 검토 프로세스를 개선하여 보다 확신 있고 효율적인 의사 결정을 내릴 수 있습니다. 

이를 통해 대출 기관은 효과적으로 사기에 맞서 싸우는 것과 고객을 위해 마찰이 적은 신청 프로세스를 유지하는 것 사이의 균형을 찾을 수 있습니다. 

.pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-radius: 5% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-size: 24px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { font-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-weight: normal !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a:hover { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-user_url-profile-data { color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { text-align: center !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-recent-posts-title { border-bottom-style: dotted !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { border-style: solid !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { color: #3c434a !important; }

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://www.fintechnexus.com/every-lender-has-a-fraud-problem-but-ai-powered-detection-is-here-to-help/