대유행 봉쇄 기간 동안 고객 행동이 급격히 바뀌 었으며 이는 결제 산업도 자연스럽게 변화 시켰습니다.

사기를 방지하기 위해 금융 산업은 의심스러운 행동을 식별하거나 고객 행동의 차트 변화를 파악하기 위해 항상 특정한 견제와 균형을 유지해 왔습니다. 논리와 패턴을 식별하기위한 훈련에 기반한 이러한 견제와 균형은 논리와 패턴 이외의 다른 것에 기반한 유행병이 온라인 뱅킹을 사용하지 않았거나 디지털 지갑을 통해 상품과 서비스를 구매 한 고객이있을 때까지 대부분 잘 작동했습니다. 갑자기 반복해서. 그리고 더 많은 온라인 고객은 더 많은 사기를 의미합니다.

ThetaRay의 금융 서비스 솔루션 EVP 인 James Heinzman은 ATM Marketplace와의 인터뷰에서 "사기 결정에 항상 사용 된 패턴과 모델은 불행히도 더 이상 관련이 없습니다."라고 말했습니다. "은행은 이제 대유행 이전보다 400 ~ 600 배 많은 경보를 생성하고 있으며 모델은 시장의 근본적인 행동이 변경되었음을 인식하는 대신 새로운 행동을 의심스러운 것으로 식별하고 있습니다."

Heinzman은 업계가 이전에 그러한 급진적 인 변화를 본 적이 없기 때문에 유행병 이전에 사용 된 모델을 앞으로 어떤 식 으로든 의미있게 만들려면 재 작성, 재교육 및 재보 정해야한다고 설명했습니다.

“이것은 매우 비싸고 리소스를 많이 소모하는 작업입니다. 레거시 기술 프로그램을 다시 작성하는 것이 정말로 합리적입니까? 우리는 비지도 머신 러닝이 문제에 대한 더 나은 해결책이라고 믿습니다. 고급 인공 지능 솔루션은 데이터 기반이고 새로운 표준에 자동으로 조정되기 때문에이 문제를 해결합니다.”라고 Heinzman은 말했습니다. “도매 시장 변화와 실제 의심스러운 행동을 정확하게 구분합니다. 사전 정의 된 규칙이나 모델이 없기 때문에 사전 예가 없더라도 연결하고 패턴을 식별 할 수 있습니다.”

Q : COVID-19로 인해 자금 세탁 방지 및 사기 방지 감지 모델이 거의 쓸모 없게 된 경우 은행은 어떻게해야합니까?

A: [은행]이 가장 먼저해야 할 일은 AML 프로그램을 새롭게 살펴 보는 것입니다. 사람, 프로세스 및 기술을 확인하십시오. 그들은 세상이 영원히 변했음을 인정할 필요가 있습니다. 바이러스는 사라지지 않습니다. 은행이 실제로 새로운 기술을 채택하고 인프라를 현대화해야 할 때입니다. 많은 은행 업무는 관계를 기반으로했습니다. -인간 상호 작용. 그것은 극적으로 변했습니다. 미래의 은행 업무는 주로 웹 및 디지털 채널을 통해 수행 될 것입니다. AML 프로그램은 이러한 변화를 충족하고 기술을 현대화하도록 적응해야합니다.

Q : 은행은 사이버 범죄 증가에 어떻게 개방되어 있습니까?

A:T그는 은행 직원이 현재 재택 근무를하고 있으며 보안 시스템은이를 위해 설계되지 않았으며 새로운 취약점이 발생했습니다. 또한 은행이 개인 기기에서 원격 근무자에게 민감한 정보를 공개하도록 강요하여 민감한 데이터를 노출시킵니다. 은행은 탐지되지 않는 이러한 침해를 식별하고 완화하기 위해 사이버 범죄에 대한보다 현대적인 접근 방식을 채택하고 경계 방어뿐만 아니라 비즈니스 활동도 살펴볼 필요가 있습니다.

Q : 금융 기관이주의해야하는 주요 사이버 범죄는 무엇입니까?

A:이 은행을 공격하기 전에는 본 적이없는 많은 공격이 있으며 점점 더 정교 해지고 있습니다. 그리고 이제는 금융 범죄 단속 네트워크 위반 덕분에 더 많은 정보를 얻을 수 있습니다. 피싱 및 스피어 피싱 기술은 원격 인력 덕분에 더욱 효과적이되고 있습니다. 직원이 사무실에 없을 때 의심스러운 링크를 클릭 할 가능성이 높아져 직원을 감독하기가 어렵습니다. 또한 이직에 대한 두려움으로 인해 직원들은 평소에하지 않았던 일을하게되어 이러한 유형의 공격에 넘어 질 위험이 더 높아집니다. COVID 이후 시대의 가장 큰 위협은 은행 자체에서 올 수 있습니다.

Q : 새로운 직관적 인 AI 유형에 대해 설명해 주시겠습니까?

A: 인공 직관을 통해 컴퓨터는 인간의 경험이나 과거 사건을 기반으로 사전 정의 된 모델을 따르지 않고 무엇을 찾아야하는지 알려주지 않고도 위협과 기회를 식별 할 수 있습니다. 인간의 직감으로 우리가 결정을 내리는 방법에 대한 특별한 지시 없이도 결정을 내릴 수있는 것처럼. 기본적으로 인공 직관은 모든 데이터 포인트와 이들이 연결되는 방식을 평가합니다. 무슨 일이 일어나고 있는지, 모든 것이 다른 모든 것에 어떻게 연결되어 있는지에 대한 동적 뷰를 만들 수 있습니다. 이런 식으로 인간의 두뇌가 정보를 처리하는 방식을 모방하고 특이한 사항에 대해 결정을 내릴 수 있습니다.

사람이 다가오는 것을 볼 때 어떤 일이 발생하는지 고려하십시오. 대부분의 사람들은자를 꺼내 귀 사이의 거리, 눈의 거리 또는 턱의 길이를 측정하지 않습니다. 그들이하는 일은이 사람에 대한 모든 정보를 매우 빠르게 보는 것입니다. 데이터 포인트의 모든 연결을 메모리와 비교합니다. 이 사람이 전에 본 사람입니까? 그들은 친구입니까? 협박? 같은 방식으로 인위적인 직관은 개별적으로 정상으로 보이지만 함께 살펴보면 의심을 불러 일으키는 데이터 포인트 간의 연결을 만들 수 있습니다.

Q : 지능이 아닌 인공 직관이라고하는 이유는 무엇입니까?

A: 사람들이 "인공 지능"이라는 용어를들을 때 그들은 규칙 기반 프로그래밍을 따르는 매우 논리 기반 시스템을 그리는 경향이 있습니다. 예, 대부분의 실제 AI 응용 프로그램이 HAL9000이 아니라는 것은 사실이지만 여전히 교육받은 일련의 규칙을 따릅니다. "X가 발생하면 Y가 발생합니다." 인공적인 직관은 이러한 규칙 기반 접근 방식에서 벗어나 정교한 알고리즘을 사용하여 시스템이 자체적으로 작동하여 데이터 포인트를 연결하도록합니다. 가능한 모든 시나리오를 배울 필요는 없으며, 인간이 무한한 수의 가능한 상황을 인식하고 이해해야하기 때문에 불가능할 것입니다. 인간의 지능을 뛰어 넘어 인간의 직관을 모방 한 빅 데이터를 처리 할 수 ​​있다면 자동으로 추론 할 수 있습니다.

Q :이 기술의 이점은 무엇입니까?

A: 금융 기관은 통신 은행, 국경 간 거래, 무역 금융, 자금 세탁, 사기 및 ATM 해킹을 포함한 새롭고 정교한 금융 사이버 범죄를 탐지하기 위해 인위적인 직관을 채택하기 시작했습니다. 이러한 범죄는 일반적으로 연결된 매개 변수 집합이있는 수천 건의 거래 사이에 숨겨져 있습니다. 정교한 특허받은 수학적 알고리즘과 사용자 친화적 인 기술 인터페이스를 결합하여 인공적인 직관은 실제 의심스러운 활동을 자동으로 정확하게 식별하고 완전한 투명성과 확장 성을 갖춘 쉽게 이해할 수있는 형식으로 분석가에게 제시합니다. 또한 모든 도구와 포렌식 데이터를 단일 인터페이스에 함께 제공하여 식별 된 문제를 조사하고 해결합니다. 효율성을 높이고 위험을 줄입니다.

Q : 어떤 문제가 있습니까?

A: 주요 과제는 실제로 기술 자체가 아니라 기술이 나타내는 패러다임 전환과 더 관련이 있습니다. 이것은 새롭고 다릅니다. 그것은 어떤 사람들에게는 무섭고 다른 사람들에게는 받아들이 기 어려운 변화를 나타냅니다. 또한 사내에서 기술 솔루션을 구축하고 생성하는 것을 선호하는 내부 이해 관계자들에게 위협으로 인식 될 수 있습니다. 이러한 도전은 은행에 위험 할 수 있으며 현재 위기에 대한 최선의 해결책을 찾는 능력을 저해 할 수 있습니다. ㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ

다른 문제는이 기술에만 국한된 것은 아니지만 여기서 언급 할만한 가치가 있습니다. 빅 데이터는 여전히 은행에게 큰 문제입니다. 그들은 일관된 데이터 전략을 갖고 빅 데이터 기술을 도입하는 데 더 능숙 해졌지만 여전히 갈 길이 있습니다. 데이터 수집, 데이터 품질 및 ETL 프로세스는 새로운 기술을 신속하게 배포하는 능력을 저해하는 은행에게 여전히 문제입니다.

Q : AI가 "감각"하는 방식은 어떻게 변합니까?

A: 인공 직관을 사용하는 시스템은 규칙 기반 AI 솔루션이 사용하는 기존의 정량적 모델이 아닌 분석중인 데이터에 정 성적 모델을 적용하여 변화를 감지합니다. 거기에서 인공 직관은 데이터 세트를 분석하고 데이터의 전체 구성을 나타내는 문맥 언어를 개발합니다. 개별 데이터 포인트가 아니라 앞에 놓여있는 "큰 그림"을 이해할 수 있습니다.

예를 들어, X, Y 및 Z 데이터 포인트가 자체적으로 완전히 정상으로 보이더라도 인공 직관 기반 모델은 함께 분석 할 때 무언가가 합산되지 않음을 식별합니다. 시스템이이를 표시합니다. 또한 데이터에서 "드리프트"를 자동으로 식별했습니다. 비즈니스 운영 및 시장 상황이 변함에 따라 시스템에 제공되는 데이터도 변경됩니다. 이러한 드리프트를 자동으로 식별함으로써 시스템은 "새로운 표준"에 맞춰 조정할 수 있습니다. 이러한 방식으로 진정으로 의심되는 사례 만 지속적으로 식별하여 은행의 방어를 미래에 대비하고 효과적이고 효율적인 탐지를 제공 할 수 있습니다.

Q : 경고를 줄이고 기본적인 행동 변화에서 위협을 분리 할 수 ​​있습니까?

A:예. 사실, 전염병은 이것의 좋은 예입니다. COVID-19의 결과로 소비자의 뱅킹 습관이 극적으로 변했습니다. 개인 뱅킹은 COVID 이전과 같은 규모로 일어나지 않았고, 현금 지불이 급격히 떨어졌고 (바이러스에 감염 될까봐 아무도 만지고 싶지 않음) 신용 및 직불 카드 사용이 급증했으며 온라인 및 모바일 뱅킹이 폭발적으로 증가했습니다.

소비자 행동의 이러한 매크로 변화는 시스템에 의해 데이터에서 "드리프트"로 자동 식별되며 기술은 전체 데이터 세트에서 "새로운 표준"을 다시 학습합니다. 이러한 매크로 변경 사항을 이해하고이를 고려함으로써 시스템은 계속해서 고품질의 적은 양의 경고를 생성 할 수 있습니다. 은행은 총 경보 수를 30 ~ 40 % 줄였으며 95 %는 "조사 할 가치가있는"것으로 나타 났으며 동시에 경보 당 전체 조사 시간을 최대 50 %까지 줄였습니다. 이를 400-600 배 더 많은 경고와 은행이 현재 시스템에서 경험하고있는 90 % 이상의 오 탐지와 비교해 보면 많은 것을 알 수 있습니다.

Q : 귀사의 기술은 사기를 방지하기 위해 어떻게 작동합니까?

A: ThetaRay 기술은 경고 처리 및보고를 통해 데이터 통합에서 엔드 투 엔드 솔루션을 제공하도록 설계되었습니다. 시장을 선도하는 빅 데이터 기술, 마이크로 서비스, API 기반 아키텍처 및 클라우드 지원 기능이 결합 된이 기술은 온 프레미스 또는 클라우드에 배포 할 수 있습니다. 풀 스택 감지 기능을 통해 시스템은 단일 솔루션에 다양한 감지 기능을 통합 할 수 있습니다. 사용자 인터페이스는 조사 전문가를 위해 조사 전문가가 설계하고 고품질의 효율적인 사용자 경험을 제공합니다.

Q : 제한이 있습니까?

A:핵심 기술은 인간의 두뇌에 기반을두고 있으며 실제로 사용하려는 사람들의 상상력에 의해서만 제한됩니다. 이 기술은 표준 하드웨어 및 빅 데이터 인프라에서 실행되므로 필요에 따라 확장 및 확장 할 수 있습니다. 기존 시스템과 원활하게 통합되도록 설계되었으며 현재 시스템을 즉시 향상 및 보강 할 수 있으며 경보 볼륨과 오탐을 줄여 실제 결과와 효율성을 더 잘 식별하여 효율성을 높일 수 있습니다. 시간이 지남에 따라 시스템은 은행의 기술 생태계에 통합되거나 레거시 시스템의 대체로 전환 될 수 있습니다.

Q : 유행병 이후 금융 기관의 미래는 어떻습니까?

A:대유행은 많은 곡선을 가속화했습니다. 즉, 디지털 뱅킹의 채택, 체크리스 및 현금없는 사회로의 움직임, 소비자가 금융 서비스 제공 업체와 상호 작용하는 방식 및 젊은 세대가 요구하는 뱅킹에 대한 실시간 자기 주도적 접근 방식이 계속해서 근본적인 변화를 가져올 것입니다. 은행 산업.

은행과 같은 서비스를 제공하는 핀 테크는 시장 점유율을 높이고 은행의 혁신을 압박하고 있습니다. 저는 지금이 유행병 이후의 세계에서 적응하고 경쟁하기 위해 고군분투하는 은행들에게 어려운시기라고 생각합니다. 이 변화는 대유행 이전에 진행 중이었지만 그로 인해 극적으로 가속화되었습니다. 앞으로 몇 년 동안 은행들에게는 조금 어려울 것이라고 생각합니다. 이자율이 XNUMX에 가까워지면 (일부 국가에서는 음수 임) 수익 센터 및 수익 모델이 재평가되고 혁신적인 신제품이 개발되고 서비스 및 배송 방법이 생성되며 결국 금융 부문이 등장 할 것입니다. 그 어느 때보 다 더 좋고, 더 강하고, 더 탄력적입니다. 나는이 기간이 성장통과 비슷하다고 생각합니다. 일정 기간 동안 힘들고 고통 스러울 것이지만 최종 결과는 그만한 가치가 있습니다.

Q : 금융 기관이 사기로부터 자신을 보호하기 위해 할 수있는 가장 중요한 일은 무엇입니까?

A: 과거는 잊어라. 대유행 이전에 효과가 있었던 것은 더 이상 효과가 없을 것입니다. 새로운 아이디어, 기술 및 방법을 수용하십시오. 혁신을 두려워하지 마십시오. 새로운 것을 시도하고 "빠르게 실패하십시오." 오래 기다릴수록 더 나빠질 것입니다. 분석과 무 활동으로 인해 마비되지 마십시오. 문제를 새롭게 바라보고 창의적으로 접근하십시오.