Como o aprendizado de máquina revitalizou o interesse na análise de risco

No mundo da segurança contra fraudes, vimos um interesse renovado na análise de riscos no último ano - e por boas razões. Ao incluir o aprendizado de máquina, uma nova geração de soluções de análise de risco pode aproveitar os sucessos e corrigir alguns dos problemas do passado.

Will LaSala, diretor de soluções de segurança da OneSpan, foi recentemente entrevistado por Teri Robinson, editora executiva da SC Media. Na entrevista, LaSala discute algumas das vantagens que o aprendizado de máquina traz para a análise de riscos e por que a IA é tão crítica no combate ao cenário moderno de ameaças.

Análise de risco com e sem Machine Learning

Anteriormente, análise de risco As soluções eram componentes estáticos em um conjunto de ferramentas antifraude. Eles foram úteis na análise de dados após a realização de uma transação e forneceram às instituições financeiras informações valiosas para ajudá-las a definir com mais precisão sua estratégia antifraude e alerta baseada em regras. Porém, um sistema baseado em regras não pode mais acompanhar os ataques de fraude que evoluem em complexidade, velocidade e automação. As bibliotecas de regras continuam se expandindo, o que pressiona o sistema, diminui as operações e aumenta a taxa de falsos positivos. A inclusão do aprendizado de máquina com a análise de risco aumenta significativamente o valor de uma solução antifraude. O aprendizado de máquina fornece a capacidade de coletar dados díspares, analisar esses dados em escala e no contexto e atribuir uma pontuação de risco em tempo real. Isso permite que uma solução de análise de risco aplique o nível preciso de segurança, no momento certo, por meio da autenticação de etapa.

• Atribuindo uma pontuação de risco em tempo real: As instituições financeiras coletam dados de transações, dispositivos e atividades de usuários de todos os seus clientes, mas um conjunto tão grande de dados não é inteligível para analistas humanos. Simplesmente há muita informação. O aprendizado de máquina permite que as soluções de análise de risco identifiquem esquemas de fraude conhecidos e desconhecidos com base nessas informações. Apesar da enorme coleta de informações, o mecanismo de risco pode analisar os dados e localizar tendências de fraude que, de outra forma, seriam impossíveis de detectar por um ser humano.
   
• Controle de autenticação em tempo real: Além de analisar quantidades tão grandes de dados, o aprendizado de máquina torna possível fazer isso em tempo real. Isso permite que as instituições financeiras determinem e apliquem requisitos de autenticação que correspondam ao risco relativo da transação, conforme a transação está ocorrendo.

Premiação Frost & Sullivan 2019 de melhores práticas para autenticação baseada em risco

Descubra por que a Frost & Sullivan reconheceu o OneSpan com o prêmio Best Practices 2019 da solução de autenticação adaptativa inteligente do OneSpan - e como proteger melhor a jornada do cliente digital com a autenticação certa no momento certo.

Baixar agora

Três maneiras pelas quais as organizações devem aproveitar a análise de risco

Em sua entrevista à SC Media, LaSala recomendou três maneiras pelas quais uma instituição financeira (FI) pode se beneficiar das soluções de análise de risco:

1. Analisar dados móveis: O monitoramento do canal móvel é diferente dos aplicativos da web. Se sua organização não está coletando dados móveis, você tem um ponto cego em sua análise de fraude. A análise de fraude de canal móvel precisa levar em consideração a diversidade de dispositivos e sistemas operacionais, bem como o fato de o FI não ter controle sobre o que mais está instalado no dispositivo. Se sua solução antifraude não reconhecer atualmente os detalhes do canal móvel , ele não está coletando todos os pontos de dados - e pode ser cego para ataques de fraude em dispositivos móveis.
    
2. Simplifique a jornada do usuário: Ao tentar reduzir a fraude, as instituições financeiras devem ter cuidado para preservar uma experiência positiva do cliente. As instituições financeiras não devem aplicar sua jornada tradicional de clientes bancários a novos canais digitais. Isso causa muito atrito criado por etapas manuais e processos baseados em papel. Com um mecanismo de análise de risco em execução nos bastidores, a solução está analisando constantemente as transações dos clientes para identificar riscos e diminuir falsos positivos. Isso preserva a experiência do cliente, porque uma solução de análise de risco injeta apenas um desafio de autenticação no caso de uma transação de alto risco.
    
3. Junte todos os seus dados: Possuir grandes quantidades de dados, mesmo que sejam provenientes de todas as fontes certas, não será útil sem uma solução sofisticada de análise de risco para analisá-los. Ao unificar os dados do usuário e analisá-los juntamente com informações contextuais, as instituições financeiras podem antecipar melhor os esquemas de fraude.

Como o OneSpan pode ajudar

O OneSpan Risk Analytics ajuda a proteger contra ataques que ocorrem nos canais online e móveis, identificando o risco em etapas críticas, prevendo os níveis de risco e realizando ações instantâneas quando atividades suspeitas são identificadas. A solução utiliza o aprendizado de máquina para ir além dos relatórios estáticos e das ferramentas analíticas dos anos anteriores - e pode identificar e mitigar fraudes, permitindo, revisando ou bloqueando transações de alto risco. Aprender mais sobre Análise de risco OneSpan.