SINGAPURA – Media OutReach – Perusahaan teknologi terkemuka di dunia dalam manajemen kepatuhan dan deteksi penipuan, GBG, baru saja mengumumkan telah memperluas kemampuan sulusi GBG predator mereka dengan fitur kecerdasan buatan (AI) dan pembelajaran mesin, yang dapat memantau transaksi dan pembayaran, analisis mendalam dan analisis prediksi untuk membantu klien mengelola risiko digital mereka.

GBG pertama kali mengumumkan kemampuan pembelajaran mesinnya kepada Instinct Hub, yaitu sebuah sistem manajemen penipuan digitalnya pada Januari tahun ini. Kemampuan AI baru menangani data pihak ketiga tambahan – perangkat sidik jari, geolokasi, alamat IP dan seluler (protokol Internet), intelijen ancaman titik akhir, analisis perilaku – disatukan ke dalam platform manajemen risiko digital GBG dan platform cerdas untuk meningkatkan kinerja model mereka dalam deteksi penipuan.

Pandemi yang dihadapi dunia memunculkan perubahan dalam perilaku konsumen dalam transaksi belanja, transfer uang dan pinjaman, kemampuan untuk mempelajari kembali data baru dan beradaptasi dengan lingkungan baru dapat membantu lembaga keuangan mendeteksi transaksi yang muncul dan meningkat serta tren penipuan pembayaran dan meminimalkan kerugian yang disebabkan oleh penipuan. Berdasarkan hasil survei “Memahami risiko penipuan selama pandemi COVID-19 pada bulan April 2020, 37% responden menganggap penipuan transaksi sebagai jenis penipuan paling berbahaya.

“Penipuan tidak teratur, kompleks dan berkembang secara dinamis. Model penipuan standar memburuk dari waktu ke waktu, menelanjangi bisnis ke jenis penipuan baru dan menderita kerugian. Melalui pelatihan pemodelan yang berkelanjutan dan independen dalam Machine Learning Array GBG, kami mengatasi masalah degradasi model. Saat ini, pembelajaran mesin menymbang rata-rata deteksi penipuan sebesar 20%, Segmen Pembelajaran Mesin GBG telah bekerja dengan baik untuk memberikan peringatan tambahan kepada pelanggan kami tentang penipuan yang tidak terdeteksi oleh pelanggan kami,” ungkap Jun Lee, CEO GBG Asia-Pasifik, dalam keterangan yang diterima, Rabu (27/05/2020).

Pembelajaran Mesin GBG menggunakan Random Forest, Gradient Boosting Machine, dan Neural Networks, yaitu tiga algoritma terkemuka yang telah terbukti untuk mendeteksi penipuan. Algoritma ini menunjukkan analitik prediktif yang kuat, Model pelatihan yang cepat dan sangat scalable, belajar melalui data historis dan baru. GBG AutoML (Pembelajaran mesin otomatis) memungkinkan pembelajaran adaptif untuk memberikan kemampuan model untuk belajar sendiri dan memperbarui diri berdasarkan interval waktu yang ditentukan.

“Melalui hasil eksplorasi risiko penipuan di Asia Pasifik selama pandemi COVID-19, layanan perbankan ritel digital meningkat dalam permintaan, dari e-wallet, pinjaman elektronik, digital onboarding, ke aplikasi kartu kredit digital. Kemampuan untuk mendeteksi dengan mudah penipuan yang rumit dan penyalahgunaan yang dapat diidentifikasi dalam pembayaran, seperti pengambilalihan rekening perbankan online kian mendesak hari ini,” tambah Michelle Weatherhead, Direktur Operasi Asia Pasifik untuk GBG.

Sementara Dr Alex Low, Ilmuan Data di GBG. menerangkan, segmen seperti pinjaman usaha kecil dan keuangan mikro akan dapat memanfaatkan pembelajaran mesin untuk mendeteksi anomali dalam sampel peminjam dengan mengasimilasi data identitas, Profil dan jenis perilaku. “Pemebalajaran Mesin GBG dapat menganalisis data dalam jumlah besar dengan berbagai fitur perhitungan matematis untuk menentukan kemungkinan penipuan dengan akurasi yang lebih besar,” tuturnya.

Pembelajaran Mesin GBG dirancang untuk menyederhanakan penyebaran pembelajaran mesin untuk manajemen penipuan dan ilmuwan data, menghilangkan kebutuhan untuk selalu memiliki ilmuwan data atau bekerja lagi dengan pemasok untuk mengurangi biaya operasi. Solusi ini menawarkan kontrol pengguna yang tinggi dari pembuatan fitur, pemilihan model dan konfigurasi, hasil dan analisis interpretasi serta ambang peringatan. Pengguna juga dapat mengkonfigurasi solusi untuk menjadwalkan dan memperbarui pola phishing baru secara otomatis, melalui antarmuka pengguna yang intuitif dengan pentunjuk terintegrasi.

Solusi ini menggunakan pendekatan “kotak putih” untuk menyediakan proses pemodelan yang transparan dan transparan yang membuatnya mudah untuk mengelola model dan memenuhi persyaratan peraturan. Skor pembelajaran mesin dan fitur kontribusi teratas untuk hasil ditampilkan kepada pengguna yang perlu mengumpulkan pengetahuan danwawasan akan kinerja dan perilaku model pembelajaran mesin.

Untuk mengetahui lebih lanjut tentang bagaimana kami membantu klien membangun kepercayaan dengan pelanggan, kunjungi www.gbgplc.com/apac, atau ikuti di Twitter @gbgplc dan LinkedIn.