امروزه در عصری زندگی میکنیم که شفافیت، الزام توسعه اجتماعی و اقتصادی است و جلب مشارکت شرکا و ذینفعان بدون وجود زیرساختهای مرتبط، کار دشواری است. از سوی دیگر با توسعه فناوری اطلاعات، شاهد توسعه روزافزون خدمات آنلاین در صنایع و حوزههای مختلف هستیم.
بنابراین بررسی رخداد تخلف و تقلب در بسترهای آیتی لازمه ارائه خدمات مطمئن و همراهی بیشتر با مشتریان است. با توجه به توسعه نامتوازن زیرساختهای آیتی در صنایع مختلف، میزان تخلف و تقلب متفاوت است. برای مثال صنعت بانکی بهدلیل پیشرو بودن در حوزههای فناوری، نرخ پایینی را در میزان تخلفات مرتبط با سرقت دارد، اما در مقابل، صنعت بیمه به گفته مدیران بیمه مرکزی از هر پنج درخواست خسارت، خوشبینانه یک و بدبینانه دو تقلب در درخواست خسارت بیمهای وجود دارد.
در سطح کلان یکی از راههایی که به بهبود فضای کسبوکار و شفافیت کمک میکند، قوانین عمومی رگولاتوری است که از سوی نهادهای بالادستی نظیر بانک مرکزی، بیمه مرکزی، مرکز اطلاعات مالی و سایر نهادهای مرتبط ابلاغ و اعمال میشود. در سطح خرد نیز سیاستها و ارائه راهکارهای مختلف در تراکنشها میتواند به افزایش امنیت کاربران کمک کند.
بهطور مثال گسترش OTP، KYC، ارسال پیامک مبلغ خرید حاوی نام فروشگاه و… از اقدامات مؤثری است که در زمینه اصلاح فرایندها صورت گرفته است. اگرچه در راستای افزایش شفافیت و کاهش احتمال تخلف، اقداماتی همچون گسترش تعاملات دادهای میان مؤسسات مالی و اعتباری، تسهیل و تسریع در فرایندهای رسیدگی به شکایات و… از مهمترین انتظارات از رگولاتور است که میتواند به بهبود فضای کسبوکار کمک کند.
در طول زمان، مؤسسات مالی و اعتباری نیز بهصورت مستقل از ابزارهای مختلفی برای پیشگیری و کشف تقلب و تخلف استفاده کردهاند. بهعنوان مثال یکی از رویکردهای اولیه، استفاده از روشهایی نظیر تأسیس بخش بازرسی سازمانهاست که با توجه به دانش خبرگی سعی در شناخت تراکنشهای غیرقانونی داشته و پس از شناخت این موارد، با شناسایی و اصلاح روالها به کاهش تکرار آنها منجر شدهاند. اگرچه این رویکرد در برخی موارد و شرایط کاراست، اما با افزایش تنوع خدمات، تعداد مشتریان، افزایش پیچیدگی فرایندها و حجم دادهها این روش بهتنهایی پاسخگو نخواهد بود؛ بنابراین لزوم استفاده از سیستمهای مبتنی بر یادگیری ماشین و روشهای قاعدهمحور در کنار دانش خبرگی افراد متخصص احساس میشود.
روشهای مبارزه با تقلب و تخلف
پیادهسازی روشهای مبارزه با تقلب و تخلف یک نقشهراه و سیر منطقی دارد. در گام اول با شکلگیری مسیر کارشناسی سعی در جمعآوری دادهها و شناخت سناریوها میشود. در گام دوم، ضرورت تجهیز سازمان به زیرساختهایی نظیر انبار داده، سختافزارهای مناسب و… وجود دارد. البته باید توجه داشت که اصولاً زیرساختهای لازم برای شروع پروژههای بزرگ در صنعت بانکی هزینهبر است. در گام سوم با بهرهبرداری از دانش خبرگی موجود در سازمان سعی در ایجاد قواعدی برای جلوگیری از بروز تخلف میشود.
در گام چهارم سیستمهای مبتنی بر هوش مصنوعی آفلاین شکل میگیرد که با پردازش دادههای موجود در انبار داده و دادههای پیشپردازششده، باعث بهبود فرایند میشوند و خروجی این سیستمها میتواند برای کارشناسان بازرسی، ورودی مناسب را فراهم آورد. در نهایت و در گام پنجم، سیستمهای مبتنی بر هوش مصنوعی آنلاین قرار دارد که میتواند برای جلوگیری از سناریوهای پیشرفتهتر تخلف و تقلب مورد استفاده قرار گیرد. البته در هر دو رویکرد آفلاین و آنلاین، امکان بهرهبرداری از روشهای مبتنی بر هوش مصنوعی شامل روشهای نظارتی، نیمهنظارتی و بدون نظارت، پیادهسازی روالهای قاعدهمحور و… وجود دارد.
سناریوهای شناساییشده
باید توجه داشت که نقطه شروع کار در حوزه تشخیص تقلب، شناخت سناریوهای متخلفان است. در حال حاضر سناریوهایی همچون کپیکردن کارت، سرقت از کارت، فیشینگ و… در حوزه بانکی از اهم روشهای کلاهبرداری و سرقت از مشتریان بانکی است. همچنین سوءاستفادههای کارمزدی، اجارهدادن کارت برای اهداف غیرقانونی و… جزء بیشترین مواردی است که هزینههایی را از سوی سوءاستفادهگران به نظام بانکی تحمیل میکنند.
سیستم بیمهای همچنین با تخلفات صحنهسازی، مخدوشکردن مستندات، دستکاری مدارک پزشکی، جابهجایی راننده و خودروی تصادفی و… روبهروست که باعث تحمیل هزینههای سنگین به این صنعت میشود. به همین علت، بدون شناخت صحیح این سناریوها و جمعآوری دادههای کافی، امکان داشتن سیستم مؤثر، میسر نخواهد بود.
ما در داتین، علاوه بر استفاده از سامانه تشخیص تقلب آفلاین از سال ۱۳۹۶، موفق شدیم اولین خروجی عملیاتی خود را در حوزه شناسایی تراکنشهای شرطبندی آنلاین از زمستان ۱۴۰۰ عملیاتی کنیم. سامانه آفلاین داتین با تکیه بر زیرساخت انبار داده تمامی ماژولها و سامانههای بانکی و سامانه تشخیص تقلب آنلاین داتین بهصورت یک راهکار جامع انواع الگوریتمهای نظارتی، غیرنظارتی و شناخت ناهنجاری را بهطور همزمان پوشش میدهد. در این میان، با توجه به حجم بالای دادههای بانکی، زیرساخت کلانداده داتین توزیعپذیری و مقیاسپذیری را در پیادهسازی نهایی محصول خود تضمین میکند.
منبع: ماهنامه عصر تراکنش