Kredi kartı dolandırıcılığında artık son !

MIT araştırmacıları, her bir bireysel işlem için 200’den fazla ayrıntılı öznitelik çıkartan bir “Otomatik Özellik Mühendisliği” (Automated Feature Engineering) yaklaşımı geliştirdi. Örneğin, bir kullanıcı satın alma sırasında mevcutsa ve belirli satıcılarda belirli günlerde harcanan ortalama miktar belli ise bu yüzden, kart sahibinin harcama alışkanlıklarının normdan sapması daha iyi olabilir…

Dolandırıcıların veya dolandırıcılık amacıyla kurulmuş olan çetelerin hedefinde şahısların yanı sıra kurumlar da yer alabilmektedir. Son yıllarda Türkiye’de ve Dünya’da bankacılığın dijital kanallarının (Alternatif Dağıtım Kanalları) kullanımının artması ve insanların eski yıllarda yastık altında tuttukları birikimleri bankalara yatırması sonucunda, bankalar ile çalışan müşteri sayılarında ve kullanılan ürünlerde kayda değer artışlar meydana gelmiştir. 

114

Banka kullanımının artması ve doğası gereği parayı barındıran bu kurumlar, kötü niyetli dolandırıcıların iştahını kabartarak bankalar ve müşterileri üzerine yoğunlaşmalarına neden olmuştur. Bankacılık, dolandırıcılık eylemlerine en çok hedef olan sektörlerin başında gelmektedir. Bu kapsamda bankaların, teknolojik altyapıların kurulması ve bankacılık işlemlerinin gerçekleştirilmesi konularında basiretli hareket etmeleri büyük önem taşımaktadır.

214

Günlük hayatta çoğu kez alışveriş esnasında, kredi kartının reddedildiği, işlem göremediği veya yüksek bir fiyattan çekim yaptığına tanıklık etmişsinizdir. MIT araştırmacılarının kredi kartı ve atm dolandırıcılıklarının önüne geçmek için geliştirdiği model ise, şüpheli etkinliği daha doğru bir şekilde işaretlemek için işlem verilerinden granüler davranış kalıplarını çıkarmaktadır.

Meşru işlemlerde tüketicilerin kredi kartları şaşırtıcı bir şekilde sıklıkla reddediliyor. Bunun nedeni; müşterinin bankasında kullanılan ‘sahtekarlıktan koruma teknolojilerinin, satışı yanlışlıkla şüpheli olarak işaretlemesidir. MIT araştırmacıları ise; bu yanlış pozitifleri büyük ölçüde azaltmak, bankalardan tasarruf etmek ve müşteri hayal kırıklığını hafifletmek için yeni bir makine öğrenme tekniği kullandılar.

414