Featurespace luncurkan Automated Deep Behavioral Networks

Featurespace luncurkan Automated Deep Behavioral Networks

ANTARA/Business Wire.

Pemimpin dunia dalam pencegahan Kejahatan Keuangan Perusahaan memperkenalkan lapisan pertahanan yang lebih dalam untuk kartu dan pembayaran

London & Atlanta & Singapura (Antara/Business Wire)- Hari ini, Featurespace memperkenalkan Automated Deep Behavioral Networks untuk industri kartu dan pembayaran, memberikan lapisan pertahanan yang lebih dalam untuk melindungi konsumen dari penipuan, pengambilalihan akun, penipuan kartu dan pembayaran, yang menelan biaya sekitar 42 miliar dolar AS pada tahun 2020.

"Arti penting dari perkembangan ini melampaui cakupan penanganan kejahatan keuangan perusahaan. Ini benar-benar generasi pembelajaran mesin berikutnya," kata pendiri Featurespace Dave Excell.

Penemuan

Terobosan dalam teknologi pembelajaran mendalam, penemuan ini membutuhkan cara yang benar-benar baru untuk merancang dan merekayasa platform pembelajaran mesin. Automated Deep Behavioral Networks merupakan arsitektur baru berdasarkan Recurrent Neural Networks yang hanya tersedia melalui ARIC™ Risk Hub versi terbaru.

Tantangan dan Penemuan

Teknologi deep learning memiliki berbagai aplikasi, seperti pada proses bahasa alami untuk prediksi kata berikutnya dalam sebuah kalimat, namun penggunaannya untuk mencegah penipuan pada kartu dan deteksi penipuan pembayaran belum dioptimalkan untuk melindungi perusahaan dan konsumen dari penipuan kartu dan pembayaran. Dengan penemuan ini, tantangan itu terpecahkan.

Transaksi terputus-putus, membuat pemahaman kontekstual tentang waktu sangat penting untuk memprediksi perilaku. Sebelumnya, membangun model pembelajaran mesin yang efektif untuk pencegahan penipuan memerlukan data scientist yang memiliki keahlian domain yang mendalam untuk mengidentifikasi dan memilih fitur data yang sesuai - sebuah langkah yang melelahkan namun penting.

Featurespace Research mengembangkan Automated Deep Behavioral Networks untuk mengotomatiskan penemuan fitur dan memperkenalkan sel memori dengan pemahaman asli tentang pentingnya waktu dalam arus transaksi, meningkatkan kinerja pemimpin pasar dari Adaptive Behavioral Analytics perusahaan. Mendeteksi penipuan sebelum uang korban meninggalkan akun merupakan garis pertahanan terbaik terhadap penipuan, pengambilalihan akun, kartu dan serangan penipuan pembayaran. Untuk kelompok berikut, keuntungan dari Automatic Deep Behavioral Networks meliputi:

Konsumen:

• Mengaktifkan transaksi asli dengan verifikasi yang dikurangi; dan
• Mengidentifikasi penipuan, pengambilalihan akun, kartu dan serangan penipuan pembayaran sebelum uang korban meninggalkan akun secara otomatis.

Ilmuwan data:

• Menemukan fitur dalam peristiwa transaksi secara otomatis;
• Mendorong logika pembelajaran mesin melalui seluruh tumpukan pemodelan;
• Memanfaatkan ketidakteraturan tindakan manusia untuk mengidentifikasi perilaku anomalistik; dan
• Mempertahankan semua penemuan Analisis Perilaku Adaptif Featurespace.

Industri Kartu dan Pembayaran:

• Meningkatkan kepastian skor risiko di semua transaksi (deteksi penipuan selama transaksi ditingkatkan dan perilaku asli diidentifikasi lebih akurat untuk memfasilitasi penerimaan lebih banyak transaksi);
• Memberikan peningkatan kinerja untuk semua jenis pembayaran, termasuk kartu dan ACH/BACS, wire, P2P dan pembayaran yang lebih cepat;
• Meningkatkan deteksi penipuan bernilai tinggi dan bervolume rendah (dan juga mendeteksi penipuan bernilai rendah dan bervolume tinggi);
• Mengurangi otentikasi step-up;
• Menyediakan dokumentasi tata kelola model yang ketat, dengan logika yang dapat dijelaskan, pengambilan keputusan yang adil dan kode alasan; dan
• Memberikan penilaian yang stabil dan real-time dengan throughput tinggi dan waktu respons latensi rendah untuk perusahaan bisnis yang kritis, bahkan dalam kondisi lonjakan.

Excell melanjutkan, “Karena pembayaran real-time, transformasi digital, dan permintaan konsumen memerlukan pergerakan uang secara instan, peran kami adalah memastikan industri memiliki alat terbaik untuk melindungi organisasi dan konsumen mereka dari kejahatan keuangan. Saya sangat bangga dengan tim riset kami dan dedikasi mereka pada inovasi pembelajaran mesin atas nama pelanggan kami.”

Tentang Featurespace – www.featurespace.com

Featurespace™ merupakan pemimpin dunia dalam pencegahan Kejahatan Keuangan Perusahaan untuk penipuan dan Anti-Pencucian Uang. Featurespace menciptakan Adaptive Behavioral Analytics dan Automated Deep Behavioral Networks, keduanya tersedia melalui platform ARIC™, perangkat lunak pembelajaran mesin waktu nyata yang mengambil risiko kejadian di lebih dari 180 negara untuk mencegah penipuan dan kejahatan keuangan.

ARIC™ Risk Hub menggunakan deteksi anomali canggih yang dapat dijelaskan untuk memungkinkan lembaga keuangan mengidentifikasi risiko secara otomatis, menangkap serangan penipuan baru, dan mengidentifikasi aktivitas yang mencurigakan secara waktu nyata. Lebih dari 30 lembaga keuangan global besar menggunakan ARIC untuk melindungi bisnis dan pelanggan mereka. Nasabah yang diumumkan secara publik mencakup HSBC, TSYS, Worldpay, NatWest Group, Contis, Danske Bank, ClearBank, AK Bank dan Permanent TSB.

Baca versi aslinya di businesswire.com: https://www.businesswire.com/news/home/20210225005221/en/

Kontak
Michael Touchton, Featurespace
PR dan Manajer Komunikasi
+1 (423) 364-5491

Sumber: Featurespace

Pengumuman ini dianggap sah dan berwenang hanya dalam versi bahasa aslinya. Terjemahan-terjemahan disediakan hanya sebagai alat bantu, dan harus dengan penunjukan ke bahasa asli teksnya, yang adalah satu-satunya versi yang dimaksudkan untuk mempunyai kekuatan hukum.

Pewarta: PR Wire
Editor: PR Wire
COPYRIGHT © ANTARA 2021

Komentar menjadi tanggung jawab anda sesuai UU ITE

Komentar