Pencegahan Penipuan

Teknologi pencegahan penipuan telah membuat langkah besar dari kemajuan dalam kecepatan komputasi (analisis berkinerja tinggi), pembelajaran mesin dan bentuk-bentuk lain kecerdasan buatan (AI). Penipuan menyentuh setiap bidang kehidupan kita; hal ini menaikkan harga yang kita bayar untuk barang dan jasa, menghambur-hamburkan uang pajak, menarik sumber daya dari inovasi, dan bahkan mengorbankan nyawa manusia.

• Sejarah
•     
• Dunia saat ini
•     
• Siapa yang Menggunakannya
•     
• Bagaimana cara kerjanya
•     
• Langkah berikutnya

Sejarah

Penipuan dapat mencakup pemborosan dan pelanggaran, pembayaran yang tidak tepat, pencucian uang, pendanaan teroris, keamanan publik, dan keamanan dunia maya. Di masa lalu, organisasi harus mengambil pendekatan yang terfragmentasi terhadap pencegahan penipuan, menggunakan aturan bisnis dan analisis yang belum sempurna guna mencari anomali untuk membuat peringatan dari kumpulan data terpisah. 

Data tidak dapat direferensikan melalui automasi, dan penyelidik tidak dapat secara manual memantau transaksi dan kejahatan secara waktu nyata; mereka harus melakukannya setelah kejadian itu. Dalam layanan kesehatan, pencegahan penipuan lebih seperti “bayar dan kejar”, karena penjahat sudah lama hilang saat penipuan terdeteksi.

Untuk memerangi penipuan, teknologi yang lebih baru telah dikembangkan guna memprediksi taktik konvensional, menemukan skema baru, dan menguraikan lingkaran penipuan terorganisir yang canggih. Teknologi ini melibatkan lebih dari sekadar analitik standar; menerapkan teknik analitik prediktif dan adaptif – termasuk bentuk AI yang dikenal sebagai pembelajaran mesin. Dengan menggabungkan sumber-sumber big data dengan pemantauan waktu nyata dan analisis profil risiko pada risiko penipuan, pencegahan penipuan telah berevolusi untuk mengubah gelombang kerugian.

Deteksi penipuan di dunia saat ini

Semakin kompleksnya terorisme yang disponsori negara, penjahat profesional, dan penjahat bawah tanah semakin sulit dipahami, diikuti, disingkap, dan dicegah. Deteksi penipuan di dunia saat ini melibatkan pendekatan komprehensif guna mencocokkan poin data dengan aktivitas untuk menemukan hal yang abnormal. Pelaku penipuan telah mengembangkan taktik canggih, sehingga penting agar tetap terdepan dalam pendekatan sistem game yang terus berubah ini.

Sering kali, pelanggaran keamanan siber memungkinkan kegiatan penipuan. Contohnya, layanan retail atau keuangan: Setelah pemantauan transaksi secara waktu nyata dan nyaman sekarang menjadi persyaratan dasar, tidak hanya untuk transaksi keuangan, tetapi juga untuk data peristiwa digital seputar autentikasi, sesi, lokasi, dan perangkat.

Untuk mengidentifikasi dan menghentikan serangkaian serangan penipuan dan kejahatan dengan cepat dan akurat – sambil meningkatkan pengalaman pelanggan dan warga – organisasi harus mengikuti empat langkah penting:

1. Ambil dan satukan semua tipe data yang tersedia dari lintas departemen atau saluran gabungkan ke dalam proses analitis.
2. Terus-menerus pantau transaksi, jejaring sosial, anomali berisiko tinggi, dll., dan terapkan analitik perilaku untuk memungkinkan pengambilan keputusan secara waktu nyata.
3. Tanamkan budaya analitik yang mencakup seluruh aspek perusahaan melalui visualisasi data di semua level, termasuk pengoptimalan alur kerja investigatif.
4. Terapkan teknik keamanan berlapis.
   
   

Teknologi deteksi dan pencegahan penipuan yang Anda pilih harus dapat belajar dari pola data yang kompleks. Teknologi ini harus menggunakan model keputusan yang canggih untuk mengelola dengan lebih baik kesalahan positif dan mendeteksi hubungan jaringan untuk melihat pandangan holistik dari aktivitas penipu dan penjahat. Menggabungkan metode pembelajaran mesin – seperti jaringan neural pembelajaran mendalam, peningkatan gradien yang ekstrem dan mesin vektor – serta metode yang telah terbukti seperti regresi logistik, peta pengatur mandiri, random forest dan ansambel – telah terbukti jauh lebih akurat dan efektif daripada pendekatan berdasarkan aturan.

Bagaimana cara kerja pencegahan penipuan

Deteksi dan pencegahan penipuan bukanlah proses yang statis. Tidak ada titik awal dan akhir. Sebaliknya, proses ini merupakan siklus berkelanjutan yang melibatkan pemantauan, pendeteksian, keputusan, manajemen kasus, dan pembelajaran untuk memberi masukan untuk perbaikan dalam deteksi kembali ke sistem. Organisasi harus berusaha untuk terus belajar dari insiden penipuan dan memasukkan hasilnya ke dalam proses pemantauan dan deteksi masa mendatang. Hal ini membutuhkan pendekatan siklus hidup analitik yang mencakup seluruh aspek perusahaan.

Tujuan Anda mungkin melibatkan deteksi penipuan, kepatuhan atau keamanan. Karena teknologi seperti kecerdasan buatan dan pembelajaran mesin telah menjadi lebih umum, generasi berikutnya dari teknologi mengautomasi proses manual yang terkait dengan menggabungkan set big data dan menggunakan analitik perilaku.