به گزارش شبکه اطلاعرسانی طلا و ارز، بانکها در بسیاری از کشورها برای مقابله با کلاهبرداریهای مالی به هوش مصنوعی روی آوردهاند. این سامانهها الگوی رفتاری هر مشتری را با تراکنشهای جدید مقایسه میکنند و هر انحراف غیرعادی را علامتگذاری میکنند. برای کاربر عادی، این یعنی برداشت ناشناس از حساب یا خرید مشکوک، پیش از تکمیل شدن متوقف میشود.
این فناوری بر پایه یادگیری ماشین کار میکند؛ روشی که در آن الگوریتم با بررسی میلیونها تراکنش گذشته، مرز میان رفتار عادی و مشکوک را یاد میگیرد. به بیان ساده، اگر کارتی که همیشه در یک شهر استفاده میشود، ناگهان در کشوری دیگر برای خریدی سنگین به کار برود، سامانه این تفاوت را در چند ثانیه تشخیص میدهد و تراکنش را برای بررسی بیشتر متوقف میکند.
اهمیت این موضوع از رشد سریع تراکنشهای دیجیتال میآید. با گسترش بانکداری آنلاین و پرداختهای موبایلی، فرصت کلاهبرداران هم برای دسترسی به حسابها بیشتر شده است. روشهای سنتی که بر قواعد ثابت و بررسی دستی تکیه داشتند، اغلب دیرتر از وقوع کلاهبرداری وارد عمل میشدند.
چگونه هوش مصنوعی رد کلاهبرداران را میزند؟
سامانههای هوشمند، عوامل متعددی را همزمان بررسی میکنند: زمان و مکان تراکنش، نوع دستگاه، مبلغ پرداختی و سابقه خرید مشتری. تحلیل همزمان این دادهها، دقت تشخیص را نسبت به روشهای قدیمی بالا میبرد و در عین حال از مسدود شدن نادرست تراکنشهای سالم میکاهد. کارشناسان این حوزه میگویند دقت بالاتر، هم به امنیت مشتری کمک میکند و هم هزینه بانکها برای رسیدگی به شکایات را کاهش میدهد.
این تغییر چه معنایی برای کاربران دارد؟
برای کاربر عادی، نتیجه مستقیم این فناوری، هشدارهای سریعتر هنگام تراکنش مشکوک است. برخی بانکها با فعال شدن سامانه، پیامک یا اعلان لحظهای برای مشتری ارسال میکنند تا تراکنش را تأیید یا رد کند. این لایه اضافه، ریسک برداشت غیرمجاز از حساب را کاهش میدهد، هرچند به معنای حذف کامل کلاهبرداری نیست.
در کنار این مزیت، پرسشهایی درباره حریم خصوصی دادههای رفتاری مشتریان مطرح است؛ دادههایی که برای آموزش این الگوریتمها جمعآوری میشود. کارشناسان معتقدند رعایت استانداردهای حفاظت از داده، شرط لازم برای گسترش این فناوری در شبکه بانکی است. ارزیابی نهایی از میزان اثربخشی این ابزارها، به مرور زمان و با انتشار آمار رسمی بانکها مشخص میشود.















نظرات کاربران