חברת Featurespace משדרגת את ההגנה נגד הונאות

pixabay

פיצ'רספייס Featurespace חשפה רשתות התנהגותיות עמוקות אוטומטיות לענף הכרטיסים והתשלומים, כדי להגן על הצרכנים מפני הונאות, השתלטות על חשבונות, הונאות של כרטיסים וחשבונות, שעלו לפי ההערכה 42 מיליארד דולר ב-2020.

"החשיבות של הפיתוח הזה היא מעבר למתן מענה לפשעים פיננסיים ארגוניים. זה באמת הדור הבא של למידת מכונה", אמר דייוויד אקסל, המייסד של פיצ'רספייס.

ההמצאה הזאת שהיא פריצת דרך בטכנולוגיה של למידה עמוקה הצריכה דרך חדשה לגמרי לארגן ולתכנן פלטפורמות של למידה עמוקה. רשתות התנהגותיות עמוקות אוטומטיות היא ארכיטקטורה חדשה המבוססת על רשתות עצביות שזמינה רק באמצעות הגרסה האחרונה של ARIC™ Risk Hub.

לטכנולוגית למידה עמוקה ישנם מס' יישומים כגון עיבוד שפות טבעיות כדי לנבא את המילה הבאה במשפט, אבל השימוש בה למניעת הונאות בכרטיסים וגילוי הונאות בתשלומים לא מוטב כדי להגן על חברות וצרכנים מהונאות בכרטיסים ותשלומים. ההמצאה הזאת פותרת את האתגר הזה.

עסקאות הן לא רציפות, ולכן ההבנה ההקשרית של הזמן קריטית לניבוי התנהגות. בעבר, בניית מודלים יעילים של למידת מכונה למניעת הונאות חייבו את מדעני הנתונים שתהיה להם מומחיות עמוקה בתחום כדי לזהות ולבחור תכונות מתאימות של נתונים – שלב מייגע אבל חיוני.

המחקר של פיצ'רספייס פיתח את הרשתות ההתנהגותיות העמוקות האוטומטיות כדי להפוך לאוטומטי את הגילוי של תכונות ולהציג תאי זיכרון עם הבנה טבעית של החשיבות של הזמן בזרימה של עסקאות, תוך שיפור הביצועים המובילים בשוק של ניתוחי ההתנהגות המסתגלת של החברה. גילוי הונאות לפני שהכסף של הקורבן עוזב את החשבון הוא קו ההגנה הטוב ביותר נגד הונאות, השתלטות על חשבונות, והתקפות של הונאות בכרטיסים וחשבונות.