Vidéo

Comment les institutions financières détectent et préviennent la fraude grâce à l'apprentissage automatique

Julie Conroy, directrice de recherche chez Aite Group, explique à OneSpan comment l'apprentissage automatique peut aider les institutions financières à suivre le rythme de l'évolution des tendances de la fraude.

Disponible uniquement en version anglaise

Comment les institutions financières détectent et préviennent la fraude grâce à l'apprentissage automatique

Transcription vidéo

L'apprentissage automatique est un sujet que j'ai passé beaucoup de temps avec au cours des deux dernières années. Il y a beaucoup d'élan derrière elle dans l'industrie. Comme c'est le cas avec tant de sujets «buzzy», vous avez beaucoup de définitions différentes de ce qui est l'apprentissage automatique. La façon dont nous, chez Aite Group, définissons l'apprentissage automatique, c'est qu'il s'agit de baser les bons comportements des utilisateurs, puis d'utiliser l'analyse d'optimisation itérative pour détecter une activité anormale.

Le fait de se pencher sur la machine est excellent du point de vue des cas d'utilisation de la fraude, car il aide les institutions financières à suivre le rythme de l'évolution de la fraude et de l'évolution des tendances de la fraude. Cela est par opposition à l'approche héritée, qui était fondée sur des règles et a cherché un mauvais comportement. Lorsque vous avez cette approche, vous avez tendance à obtenir beaucoup de faux positifs et vous manquez aussi beaucoup de choses parce que vous n'êtes pas à la recherche de nouveaux modèles émergents de la fraude.

L'opérationnalisation de l'apprentissage automatique est certainement l'un des aspects les plus difficiles pour les banques à qui j'ai parlé. Il s'agit d'exploiter les données de la banque. Ce n'est pas une tâche facile lorsque vous avez un certain nombre d'unités d'affaires qui ont grandi dans des silos et ont des données dans des endroits disparates. Si vous avez des banques qui ont grandi par acquisition, alors les silos peuvent avoir des structures de données entièrement différentes et des définitions de données différentes.

Lorsque vous regardez le chemin vers l'apprentissage automatique, la planification de l'exploitation des données et les querelles de données est un élément très important du processus. Les grandes institutions, telles que les 100 premières banques mondiales, ont une combinaison de scientifiques internes de données sur mesure qui se consacrent à l'opérationnalisation de l'apprentissage automatique ainsi que des partenariats avec des partenaires fournisseurs. Les grandes banques régionales cherchent de plus en plus à travailler avec des fournisseurs qui peuvent les aider dans leur voyage d'apprentissage automatique. Enfin, les petites institutions financières, les banques communautaires et les coopératives de crédit dépendent de leurs principaux partenaires pour les aider à mettre en œil l'apprentissage automatique.

Fraude-acheteurs-guide
LIVRE BLANC

Guide des acheteurs pour évaluer les outils de détection de fraude

De l'apprentissage automatique aux flux d'authentification dynamique, apprenez les neuf exigences clés à rechercher lors de la comparaison des solutions de fraude.

Télécharger