¿Es posible detectar el fraude en tiempo real utilizando el aprendizaje automático?

Agregar un ejemplo de experiencia práctica a la excelente respuesta de Mustafa. Es posible, al menos en el contexto del comercio minorista en línea. Lo sé porque trabajo en una empresa que hace exactamente eso. Se llama Forter, el producto principal es un servicio que proporciona decisiones de fraude de aprobación / rechazo en tiempo real para los pedidos en sitios en línea.

Sin embargo, hay algunas cosas que quiero señalar aquí.

En primer lugar, es realmente fácil detectar algún fraude en tiempo real. Hay momentos en que incluso un sistema básico que usa reglas y ningún aprendizaje automático podrá distinguir, porque se ajusta a todos los patrones clásicos de fraude. Por ejemplo, es alguien que no se molesta en ocultar su IP en un área mala en un continente diferente del asociado con la dirección de facturación, y le dieron un correo electrónico como ‘ [correo electrónico protegido] ‘ y un número de teléfono falso y querían un artículo costoso enviado urgentemente a una empresa de reenvío. Habría podido captar eso en tiempo real hace años, no necesita los sofisticados sistemas de aprendizaje automático de hoy. Obtener una decisión para todas las transacciones en tiempo real es un desafío diferente.

En segundo lugar, existe una posible distinción entre ‘detectar’ y ‘decisión’. Por ejemplo, algunas empresas proporcionan puntajes en tiempo real. Esa es una forma de detección, le dice que efectivamente hay un x% de posibilidades de que esto sea fraude. Varias empresas pueden hacer esto. Para algunos de los casos de ‘área gris’, es probable que deba trabajar más para decidir si cree que es fraude o no, por lo que no todas las decisiones serán en tiempo real, pero la detección inicial fue. Por lo tanto, debe pensar en lo que quiere decir con ‘detectar’ aquí si va a continuar con esto.

En tercer lugar, solo quiero hacer eco de lo que Mustafa dijo sobre la investigación constante. Es posible proporcionar decisiones de fraude precisas para cada transacción en un sitio en tiempo real. Pero no podrá hacerlo el próximo mes o el próximo año, incluso con el aprendizaje automático más inteligente y vanguardista que existe, a menos que también esté participando en una investigación continua y en profundidad y poniendo las ideas y los resultados en el sistema. La máquina no está explorando mercados y foros criminales en línea para controlar las últimas tendencias allí. No busca continuamente nuevas formas de datos que puedan aumentar su precisión. Necesitas un equipo que esté haciendo eso, y más, si vas a mantenerte a la vanguardia de los estafadores, porque innovan constantemente y, dado que no están limitados por las normas o reglamentos, pueden ser bastante creativos al respecto.

Estoy realmente interesado en la detección de fraudes. Pero sigo esta prevención de fraudes inicial con Machine Learning – Feedzai para comprender la detección de fraudes en tiempo real.

Aquí hay algunos artículos interesantes: Feedzai y Azul Systems implementan solución de detección de fraude en tiempo real en el líder mundial en tecnología de pago – Feedzai

¡Espero que vaya con lo que estás buscando!

No tengo experiencia con la detección de fraudes. Sin embargo, a un alto nivel, la detección de fraudes se puede modelar como detección de anomalías. La detección de anomalías en tiempo real es bastante común en la industria.

Este ejemplo de AWS explica uno de estos sistemas de detección de anomalías en tiempo real.

Depende del fraude y los datos que lo rodean, pero sí, probablemente.

ML es rápido de evaluar, por lo que tiene que ir a por ello. Si su fraude es blando como la mayoría de los fraudes con criterios subjetivos y hay un gran escape de datos, no veo por qué no.

Interesante,

Conocer

Si y no. La detección anormal se realiza todo el tiempo y le informará sobre los fraudes que son fáciles de atrapar (intercambio rápido entre dos tipos de monedas o movimiento de una gran cantidad de dinero). Pero si está buscando fraudes que se realizan en meses o años y entre algunos países, necesita una predicción más compleja, y esto no es posible hacerlo en tiempo real (una gran cantidad de datos para procesar sin relación a primera vista)

Hasta cierto punto, el software de inteligencia artificial puede detectar un fraude en tiempo real. Se han aplicado redes neuronales, algoritmos y varias formas de reconocimiento de patrones a este problema.