Petosten torjunta
Mistä on kyse ja miksi se on tärkeää
Petoksia torjuva teknologia on ottanut merkittäviä edistysaskelia laskentatehojen kasvaessa (suuritehoinen analytiikka) ja koneoppimisen ja muiden tekoälysovellusten kehittyessä. Petokset koskettavat kaikkia elämänalueita: ne nostavat hyödykkeiden ja palvelujen hintoja, johtavat verorahojen haaskaamiseen, vievät resursseja innovaatiolta ja maksavat jopa ihmishenkiä.
Historia
Petoksiin voi kuulua varojen haaskaamista tai väärinkäyttöä, laittomia maksuja, rahanpesua, terrorismin rahoittamista ja siihen liittyy yleinen turvallisuus ja kyberturvallisuus. Aiemmin organisaatioilla ei ollut muuta vaihtoehtoa kuin lähestyä petosten torjuntaa kehittymättömillä toimilla, kuten liiketoimintasäännöillä ja alkeellisella analytiikalla. Niiden tuottamasta tietoaineistoista etsittiin poikkeamia ja suoritettiin hälytyksiä.
Dataa ei voitu automaattisesti vertailla, eivätkä tutkijat voineet seurata liiketoimia reaaliajassa, vaan se oli tehtävä jälkikäteen. Terveydenhuollossa petokset johtivat usein ns. ”maksa ja peri” -tilanteeseen, jossa asiakkaan korvausvaatimuksiin suostuttiin miltei automaattisesti ja petollisiksi havaituista vaatimuksista yritettiin periä rahoja takaisin jälkikäteen. Yleensä rikolliset olivat jo kaukana, kun petos havaittiin.
Petosten torjumiseksi on kehitetty uutta teknologiaa, jolla ennustetaan tavallisimpia petostaktiikoita, paljastetaan uusia hankkeita ja selvitetään jatkuvasti hienostuneempia järjestäytyneitä petosverkostoja. Tähän tarvitaan perinteistä analytiikkaa vahvempia keinoja eli ennustavia ja mukautuvia analytiikkakeinoja, kuten koneoppimisena tunnettua tekoälyn muotoa. Kun datalähteet yhdistetään ajantasaiseen seurantaan ja riskiprofiilien analyysiin, on petosten torjunnassa käännetty suunta ulos tappioiden kierteestä.
Henkilötietopetosten torjunta tekoälyn ja analytiikan avulla
Henkilötietopetokset aiheuttavat kasvavaa huolta, joka koskee niin yrityksiä kuin asiakkaitakin. Huijareilla on nykyään helpompi pääsy työkaluihin ja dataan kuin koskaan aiemmin. Alla on lueteltu suurimpia petoksiin liittyviä haasteita ja SASin tarjoamia keinoja, joilla huijarit pysäytetään.
Petosten havaitseminen nykyisin
Jatkuvasti monimutkaistuvan valtiorahoitteisen terrorismin, ammattirikollisten ja muiden yksittäisten toimijoiden toimintaa on nykyään vaikea hahmottaa, seurata, paljastaa ja ehkäistä. Nykypäivän maailmassa petoksia havaitaan kokonaisvaltaisella lähestymistavalla, jossa tietopisteitä verrataan tapahtumiin, ja havaitaan poikkeamia. Huijarit ovat kehittäneet hienostuneita tekniikoita, joten on elintärkeää pysyä tietoisena järjestelmän hyödyntämistavoista.
Kyberturvallisuusloukkaukset mahdollistavat usein petollisen toiminnan. Esimerkiksi vähittäiskaupassa tai rahoituspalveluissa maksutapahtumien reaaliaikainen seuranta oli ennen luksusta. Nyt se on vähimmäisvaatimus niin maksutapahtumissa kuin tunnistautumista, istuntoa, sijaintia ja laitetta koskevassa digitaalisessa tapahtumatiedossa.
Organisaatioiden kannattaa noudattaa seuraavia neljää vaihetta tunnistaakseen ja estääkseen erilaisia petoksia – ja parantaakseen samalla asiakkaiden ja kansalaisten kokemuksia:
- Yhtenäistä saatavilla olevat datatyypit eri lähteistä tai kanavista ja siirrä ne osaksi analytiikkaprosesseja.
- Seuraa jatkuvasti maksutapahtumia, sosiaalisia verkostoja, korkean riskin poikkeamia jne. ja käytä käyttäytymistä seuraavaa analytiikkaa reaaliaikaiseen päätöksentekoon.
- Luo koko yritykseen analytiikkakulttuuri. Hyödynnä datan visualisointia kaikilla tasoilla. Älä unohda työnkulun optimointia.
- Ota käyttöön kerroksittaisia turvallisuustekniikoita.
Petosten havaitsemiseen ja torjuntaan valitun teknologian on oltava niin edistynyttä, että se pystyy tekoälyn avulla tulkitsemaan kompleksista dataa ja myös oppimaan siitä. Sen on minimoitava väärien positiivisten hälytysten määrä sekä havaittava suhteita ja muutoksia verkostoissa, joissa yritys on osallisena. Näin saadaan parempi kokonaiskuva rikollisten ja huijareiden toiminnasta. Oikean teknologian avulla tutkijat selviävät vähemmällä manuaalisella työllä ja voivat käyttää aikansa olennaiseen.
Sääntöpohjaisiin menetelmiin rajoittumisen sijaan paljon tehokkaammaksi on osoittautunut yhdistää edistyksellisiä koneoppimismalleja, kuten neuroverkkoja, jo toimiviksi havaittuihin menetelmiin kuten päätöspuihin ja regressiomalleihin.
Taistelu petoksia vastaan
Kuten huijarien käyttämän tekniikan, on petosten torjumisen tapojenkin kehityttävä jatkuvasti. Lue lisää siitä, miten massadataa ja edistynyttä analytiikkaa voi käyttää taisteluun petoksia vastaan.
Uuden sukupolven rahanpesun torjunta
Robotiikka, semanttinen analyysi ja tekoäly voivat kaikki auttaa rahoituslaitoksia automatisoimaan ja parantamaan rahanpesun torjunnan tehokkuutta. Mutta miten pääsee alkuun? Lue rahanpesun torjunnan keinoista koneoppimisen avulla.
Analytiikan käyttö digitaalisten petosten torjumisessa
Digitalisaatio luo sekä mahdollisuuksia että uhkia. Lue lisää riskeistä ja petosskenaarioista, joita rahoituslaitosten tulisi välttää; kuinka massadata ja analytiikka auttavat digitaalisten petosten vähentämisessä ja siitä, miten innovatiiviset organisaatiot nykyään havaitsevat petoksia.
Pysäytä vakuutuspetokset
Vakuutusasiamiesten ja asiakkaiden petokset ovat kasvavia ongelmia vakuutuksentarjoajille. Huijareiden tullessa yhä hienostuneemmiksi digitaalisissa juonissaan, opi miten vakuutuslaitokset pysyvät huijareiden perässä ja voittavat nämä heidän omassa pelissään käyttäen analytiikkaa ja tekoälyä.
Palvele ja suojaa samanaikaisesti asiakkaita petoksilta
Saksan toiseksi suurimmassa pankissa, Deutsche Kreditbankissa (DKB) asiakkaat odottavat nettipankiltaan reaaliaikaista palvelua ja maksimaalista turvallisuutta. Huijarit kuitenkin mukautuvat ja tulevat jatkuvasti nopeammiksi. DKB:n todettua tarpeen nopealle petosten havaitsemiselle ja asiakkaiden suojelulle, he kääntyivät SASin petosten ja rahanpesun torjunnan ratkaisujen puoleen. Nyt pankki pitää asiakkaiden rahat turvassa samalla kun voittaa heidän luottamuksensa.
Petosten estämismenetelmien käyttäjät
Yritykset ja hallitukset ympäri maailman ovat ottaneet käyttöön teknologioita kuten datan visualisointia ja tekoälyä pienentääkseen merkittävästi tai jopa estääkseen petoksista johtuvia taloudellisia ja mainehaittoja. Analyytikot ja tutkijat toimivat yhdessä murtaen siiloja, arvioiden ja priorisoiden hälytyksiä vakavuuden perusteella ja ohjaavat korkean prioriteetin hälytykset jatkotutkimuksiin.
Pankit
Petokset tapahtuvat yleensä synteettisten identiteettien, asiakkaan tilin kaappaamisen, rikollisten hakemusten, digitaalisten maksujen, tunnistautumisten ja hankintojen sekä muiden talousrikosten muodossa. Rahoituslaitokset havaitsevat petokset reaaliajassa saaden vähemmän vääriä positiivisia hälytyksiä ja havaitsevat rahanpesun tai terrorismin rahoittamisen useita tekijöitä tarkkailevien algoritmien avulla.
Vakuutusala
Vakuutuspetokset rehottavat ja korvaushakemuspetokset ovat kasvussa. Sen sijaan, että huijareilta yritettäisiin periä rahoja takaisin, kun ne on jo maksettu, data-analyytikot kykenevät ennaltaehkäisemään petoksia käyttämällä algoritmeja, jotka havaitsevat poikkeamia ja kaavoja. Useiden tekijöiden analyysi siitä miten petoksia tehdään, helpottaa niiden havaitsemista tekohetkellä, mutta mikä tärkeämpää auttaa myös ennaltaehkäisemisessä.
Julkinen sektori
Hallitukset kokoavat dataa eri lähteistä havaitakseen veropetoksia, ennustaakseen murtautumisyrityksiä, tunnistaakseen epänormaalia käytöstä ja estääkseen reaaliaikaisia ja tulevia uhkia. Kaikki tämä parantaa muun muassa rajaturvallisuutta, kerää tietoa lainvalvojille, tarkkailee opioidien väärinkäyttöä ja pitää lapset turvassa.
Terveydenhuolto
Terveydenhuoltoon liittyvät petokset maksavat miljoonia, jopa miljardeja ympäri maailman. Terveydenhuolto-organisaatiot estävät menestyksekkäästi petoksia omaksumalla yritysmaailman lähestymistavan maksuturvallisuudessa ja terveydenhuoltokulujen hallinnassa käyttäen edistynyttä analytiikkaa.
Lue lisää muista toimialoista
- Pankkiala
- Pääomamarkkinat
- Kasinot
- Viestintäala
- Kulutustavarat
- Terveydenhuolto
- Korkeakoulutus
- Hotelliala
- Vakuutusala
- Biotieteet
- Teollisuus
- Media-ala
- Öljyn- ja kaasuntuotanto
- Koulutus
- Julkinen sektori
- Vähittäistavara-analytiikka
- Pienet ja keskisuuret yritykset
- Urheiluanalytiikka
- Matkailu ja liikenne
- Yleishyödylliset palvelut
Miten petosten torjuminen toimii
Petosten havaitseminen ja torjuminen ei ole staattinen prosessi, eikä sillä ole alkua ja loppua. Se on enemmänkin jatkuva sykli, joka sisältää tarkkailua, havainnointia, päätöksentekoa, tapausten hallintaa ja sen oppimista, miten havainnot syötetään takaisin järjestelmään. Organisaatioiden tulisi pyrkiä oppimaan jatkuvasti petostapauksista ja ottaa tulokset osaksi tulevaa tarkkailua ja havainnointiprosesseja. Tämä vaatii sitä, että koko yritys noudattaa analytiikan elinkaareen perustuvaa ajattelua.
Tavoitteita voivat olla petosten havaitseminen, lain noudattaminen tai turvallisuus. Kun tekoälyn ja koneoppimisen kaltaiset teknologiat yleistyvät, seuraavan sukupolven teknologiat automatisoivat manuaalisia prosesseja, jotka liittyvät suurten tietomäärien kokoamiseen ja käyttäytymismallien analysointiin.
Ohjattu koneoppiminen
Ohjatun koneoppimisen algoritmit oppivat menneestä datasta ja tunnistavat epäilyttäviä kaavoja, jotka tutkija saattaa haluta merkitä tärkeäksi.
Ohjaamaton koneoppiminen
Ohjaamaton koneoppiminen arvioi ja tutkii dataa, joka ei sisällä tunnistettua petosta. Sitä käytetään paljastamaan uusia poikkeamia ja epäilyttäviä kaavoja.
Verkostoanalyysi
Verkostoanalyysi tunnistaa reittejä, yhteyksiä ja solmukohtia, jotka paljastavat kaavoja ja epäilyttäviä sosiaalisia verkostoja, ja ovat siten tutkijan oleellisia työkaluja.
Tekstianalytiikka
Tekstianalytiikka tunnistaa täsmällisesti nimet, ajankohdat, yritykset, rahamäärät ja muita oleellisuuksia muun muassa hakujen, sisältöluokittelun ja entiteettien tunnistamisen avulla.
Digitaalisen talouden kasvusta on seurannut petosten ja kyberturvallisuusuhkien nopea leviäminen. Haluamme kohdata asiakkaamme eritysesti silloin, kun he ottavat käyttöön tekoälyä, esineiden internetiä ja pilvipalveluja. SASin tukemana organisaatiot ovat paremmin valmistautuneita purkamaan datasiiloja, mukautumaan kehittyvään lainsäädäntöön ja turvaamaan toimintansa nykyisten ja tulevien riskien varalta. Stu Bradley Vice President, Fraud and Security Intelligence Practice SAS
Petosten torjunnan erikoisratkaisu
SAS® Visual Investigator
SAS® Visual Investigator on ratkaisu petosten havaitsemiseen, tutkimiseen ja tapausten hallintaan. Se yhdistää suuret, vaikeasti yhteensovitettavat, strukturoidut tai strukturoimattomat datalähteet. Visuaalisen käyttöliittymän avulla tutkijat voivat hahmottaa, luoda, asettaa tärkeysjärjestykseen ja hallita hälytyksiä sekä huomata vaikeasti havaittavia piileviä tekijöitä.
Lisää mielenkiintoista luettavaa
- Article How AI and advanced analytics are impacting the financial services industryTop SAS experts weigh in on topics that keep financial leaders up at night – like real-time payments and digital identity. See how advanced analytics and AI can help.
- Article Detect and prevent banking application fraudCredit fraud often starts with a falsified application. That’s why it’s important to use analytics starting at the entrance point. Learn how analytics and machine learning can detect fraud at the point of application by recognizing the biggest challenge – synthetic identities.
Get a Free Trial
Experience SAS Viya firsthand in our private trial environment.
Request Pricing
Embark on your path to the future in a single, expandable environment.
Request a Demo
See SAS in action with a demo customized for your industry and business needs.
Get Free Training
Get the training you need to make the most of your SAS investment.