23:28 uur 25-02-2021

Featurespace lanceert geautomatiseerde diepe gedragsnetwerken

Wereldleider op het gebied van de preventie van financiële criminaliteit bij ondernemingen introduceert een diepere verdedigingslaag voor kaart- en betalingsverkeer

LONDEN, ATLANTA EN SINGAPORE–(BUSINESS WIRE)– Vandaag introduceert Featurespace Geautomatiseerde diepe gedragsnetwerken voor de kaart- en betalingssector, met een diepere verdedigingslaag om consumenten te beschermen tegen oplichting, het overnemen van rekeningen, kaart- en betalingsfraude, wat naar schatting $ 42 miljard kostte in 2020​.

“Het belang van deze ontwikkeling gaat verder dan het aanpakken van financiële criminaliteit bij ondernemingen. Het is echt de volgende generatie machine learning”, zei Dave Excell, oprichter van Featurespace.

De uitvinding

Deze uitvinding, een doorbraak in deep learning-technologie, vereiste een geheel nieuwe manier om machine learning-platformen te ontwerpen en ontwikkelen. Geautomatiseerde diepe gedragsnetwerken is een nieuwe architectuur gebaseerd op terugkerende neurale netwerken die alleen beschikbaar is via de laatste versie van de ARIC™ Risk Hub.​

De uitdaging en de ontdekking

Deep learning-technologie kent verschillende toepassingen, zoals in natuurlijke taalverwerking voor de voorspelling van het volgende woord in een zin. Het gebruik ervan bij het voorkomen van fraude bij kaart- en betalingsfraudedetectie is echter niet geoptimaliseerd om bedrijven en consumenten te beschermen tegen kaart- en betalingsfraude. Met deze uitvinding is die uitdaging opgelost.

Transacties zijn onregelmatig, waardoor contextueel begrip van tijd cruciaal is voor het voorspellen van gedrag. Voorheen vereiste het bouwen van effectieve machine learning-modellen voor fraudepreventie dat datawetenschappers een grondige domeinexpertise hadden om geschikte datafuncties te identificeren en te selecteren, een moeizame, maar cruciale stap.

Featurespace Research heeft Geautomatiseerde diepe gedragsnetwerken ontwikkeld om het ontdekken van functies te automatiseren en geheugencellen te introduceren met een oorspronkelijk begrip van de betekenis van tijd in transactiestromen, waardoor de marktleidende prestaties van de adaptieve gedragsanalyse van het bedrijf worden verbeterd. Het opsporen van fraude voordat het geld van het slachtoffer de rekening verlaat, is de beste verdedigingslinie tegen oplichting, het overnemen van rekeningen, kaart- en betalingsfraude. Voor de volgende groepen omvatten de voordelen van automatische diepe gedragsnetwerken:

Consumenten:

  • echte transacties mogelijk maken met verminderde verificatie; en
  • automatische identificatie van oplichting, het overnemen van rekeningen, kaart- en betalingsfraude aanvallen voordat het geld van het slachtoffer de rekening verlaat.

Datawetenschappers:

  • automatisch ontdekken van kenmerken in transactiegebeurtenissen;
  • machine learning-logica door de hele modelleringsstapel pushen;
  • gebruikmaken van de onregelmatigheid van menselijk handelen om afwijkend gedrag te identificeren; en
  • alle ontdekkingen van de adaptieve gedragsanalyse van Featurespace behouden.

Kaart- en betalingssector:

  • verbetering van de zekerheid van de risicoscore voor alle transacties (fraudedetectie tijdens de transactie wordt verhoogd en oprecht gedrag wordt nauwkeuriger geïdentificeerd om de acceptatie van meer transacties te vergemakkelijken);
  • prestatieverbetering bieden voor alle soorten betalingen, inclusief kaart en ACH/BACS, overboeking, P2P en snellere betalingen;
  • verbetering van de detectie van fraude met een hoge waarde en laag volume (en ook voor de detectie van fraude met een lage waarde en groot volume);
  • verminderen van de step-up-authenticatie;
  • het verstrekken van documentatie over strikt modelbeheer, met uitlegbare logica, eerlijke besluitvorming en redencodes; en
  • levert stabiele, realtime scores met hoge doorvoer en reactietijden met lage latentie voor bedrijfskritieke ondernemingen, zelfs onder piekomstandigheden.

Excell vervolgde, “Aangezien real-time betalingen, digitale transformatie en consumentenvraag onmiddellijke geldoverdracht vereisen, is het onze rol om ervoor te zorgen dat de industrie de beste tools heeft om hun organisaties en consumenten te beschermen tegen financiële criminaliteit. Ik ben enorm trots op ons onderzoeksteam en hun toewijding aan machine learning-innovatie namens onze klanten.”

Over Featurespace – www.featurespace.com

Featurespace™ is de wereldleider op het gebied van de preventie van financiële criminaliteit bij ondernemingen voor fraude en anti-witwassen. Featurespace heeft adaptieve gedragsanalyses en geautomatiseerde diepe gedragsnetwerken uitgevonden, die beide beschikbaar zijn via het ARIC™-platform. Dit is een realtime machine learning-software die gebeurtenissen in meer dan 180 landen beoordeelt op risico’s om fraude en financiële criminaliteit te voorkomen.

ARIC™ Risk Hub maakt gebruik van geavanceerde, verklaarbare anomaliedetectie om financiële instellingen in staat te stellen automatisch risico’s te identificeren, nieuwe fraudeaanvallen te ondervangen en verdachte activiteiten in realtime te identificeren. Meer dan 30 grote wereldwijde financiële instellingen gebruiken ARIC om hun bedrijf en hun klanten te beschermen. Tot de publiekelijk aangekondigde klanten behoren HSBC, TSYS, Worldpay, NatWest Group, Contis, Danske Bank, ClearBank, AK Bank en Permanent TSB.

Deze bekendmaking is officieel geldend in de originele brontaal. Vertalingen zijn slechts als leeshulp bedoeld en moeten worden vergeleken met de tekst in de brontaal, die als enige rechtsgeldig is.

Contacts

Michael Touchton, Featurespace

PR en communicatiemanager

Michael.touchton@featurespace.com
+1 (423) 364-5491

Check out our twitter: @NewsNovumpr