മെഷീൻ ലേണിംഗ് - ഐസൊലേഷൻ ഫോറസ്റ്റുകൾ ഉപയോഗിച്ച് തട്ടിപ്പ് ഇടപാടുകൾ കണ്ടെത്തൽ

2008-ൽ [1]-ൽ ഔട്ട്ലയറുകളുടെ ഒരു അദ്വിതീയ സവിശേഷത ഉപയോഗിച്ച് ഒരു പുതിയ സമീപനം വികസിപ്പിച്ചെടുത്തു, അത് ഔട്ട്ലയറുകൾ സാധാരണയായി ഭൂരിപക്ഷം ഡാറ്റ പോയിന്റുകളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഒറ്റപ്പെട്ടിരിക്കുന്നു എന്നതാണ്. ഈ സവിശേഷത പരിഗണിക്കുമ്പോൾ, ഒരു ഡാറ്റ പോയിന്റിനെ ഉൾക്കൊള്ളിക്കാൻ ഡാറ്റ പോയിന്റുകൾക്ക് ചുറ്റുമുള്ള റാൻഡം പാർട്ടീഷനുകൾ സൃഷ്ടിക്കാൻ കഴിയും, ഒരു ഡാറ്റ പോയിന്റിനെ ഒറ്റപ്പെടുത്താൻ ആവശ്യമായ പാർട്ടീഷനുകൾ എത്രത്തോളം കുറവാണോ, അത്രത്തോളം അത്തരം ഒരു ഡാറ്റ പോയിന്റ് ഔട്ട്ലയറാകാനുള്ള സാധ്യത കൂടുതലാണ്. വികസിപ്പിച്ചെടുത്ത അൽഗോരിതത്തിന് ലീനിയർ ടൈം കോംപ്ലക്സിറ്റിയുണ്ട്, പരിമിതമായ പരിശീലന ഡാറ്റ ലഭ്യമാകുമ്പോഴും ഇത് നന്നായി പ്രവർത്തിക്കുന്നതായി തെളിയിക്കപ്പെട്ടിട്ടുണ്ട്; വ്യാപകമായ പരിശീലന ഡാറ്റ ആവശ്യപ്പെടുന്ന സാധാരണ സമീപനങ്ങളുമായി ഇത് വ്യത്യാസപ്പെട്ടിരിക്കുന്നു.

ഓർഗനൈസേഷണൽ വെല്ലുവിളിയുടെ അവലോകനം

ദൈനംദിന കോടിക്കണക്കിന് ഇടപാടുകൾ നടക്കുന്നത് കണക്കിലെടുത്താൽ, വഞ്ചനാപരമായ വ്യതിയാനങ്ങൾ കണ്ടെത്തുകയും ഒരു മോഡൽ തത്സമയം പ്രവർത്തിപ്പിക്കുകയും ചെയ്യുന്നത് വെല്ലുവിളിയാണ്. ഒരു ദൃശ്യ പരിശോധന വ്യക്തമാക്കുന്നത് വൈക്കോലിൽ ഒരു സൂചി കണ്ടെത്തുന്നത് ഒരു സൂചി കണ്ടെത്തുന്നതിന് തുല്യമാണ് എന്നാണ്. താഴെയുള്ള ചിത്രങ്ങൾ കാലക്രമേണയുള്ള ബാങ്കിംഗ് ഇടപാടുകൾ വിശദീകരിക്കുന്നു, നിയമാനുസൃതമായവ പച്ചയും വഞ്ചനാപരമായവ ചുവപ്പും. വഞ്ചനാപരമായ ഇടപാടുകൾ വേർതിരിച്ചെടുക്കുന്നത് വെല്ലുവിളിയാണ്. നിയന്ത്രണങ്ങൾ പാലിക്കാൻ സാമ്പത്തിക സ്ഥാപനങ്ങൾ വഞ്ചനയ്ക്കെതിരെ പോരാടാൻ ശ്രമിക്കാൻ ബാധ്യസ്ഥരാണ്. ഇത് ഉപഭോക്താക്കളുടെ പ്രതീക്ഷയുമാണ്. സാധാരണയായി, വഞ്ചന സംഭവിക്കുമ്പോൾ, ഉപഭോക്തൃ സംതൃപ്തി നിലനിർത്താൻ സാമ്പത്തിക സ്ഥാപനം ചെലവ് വഹിക്കുന്നു.

തട്ടിപ്പ് കണ്ടെത്തൽ പോലെ സ്കെയിൽ ആവശ്യമായ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന് അവരുടെ ഡിജിറ്റൽ ട്രാൻസ്ഫോർമേഷൻ യാത്രകളുടെ ഭാഗമായി മെഷീൻ ലേണിംഗ് രീതികൾ ഉപയോഗിക്കാൻ ഓർഗനൈസേഷനുകൾ കൂടുതലായി തിരിഞ്ഞുകൊണ്ടിരിക്കുന്നു. തട്ടിപ്പ് കണ്ടെത്താനുള്ള നിർമ്മാതാക്കളിൽ പലതും സാധാരണയായി ഡാറ്റാ വെയർഹൗസുകൾക്കുള്ളിൽ സംഭരിക്കുന്നു. മെഷീൻ ലേണിംഗ് മോഡലുകളുടെ ഇൻപുട്ടുകളായി ഉപയോഗിക്കുന്ന മെട്രിക്സ് നിർണ്ണയിക്കുന്നതിൽ ഫോറൻസിക് അക്കൗണ്ടിംഗ് സാങ്കേതികതകളും വളരെ പുരോഗമിച്ചതാണ്.

കാഗിൾ ക്രെഡിറ്റ് കാർഡ് ഡാറ്റാസെറ്റിൽ [2] ഐസൊലേഷൻ ഫോറസ്റ്റുകൾ പ്രയോഗിച്ചിട്ടുണ്ട്, കൂടാതെ വഞ്ചനാപരമായ ഇടപാടുകൾ കണ്ടെത്തുന്നതിൽ 99% ഫലപ്രദമാണെന്ന് തെളിയിക്കപ്പെട്ടിട്ടുണ്ട് [3]. പ്രവർത്തിക്കുന്ന ഒരു പൊതുവായ സമീപനം നിർണ്ണയിക്കപ്പെട്ടതിനാൽ, മിക്ക സ്ഥാപനങ്ങളും ഗവേഷണം നടത്തേണ്ടതുണ്ടെന്നതിനേക്കാൾ വലിയ തോതിൽ പ്രവർത്തിക്കുന്ന നടപ്പിലാക്കൽ വെല്ലുവിളികൾ നേരിടുന്നു & ഒരു പരിഹാരം വികസിപ്പിക്കുക.

ML ഇൻപുട്ടായി ലഭ്യമായ ഓർഗനൈസേഷണൽ ഡാറ്റ

സാമ്പത്തിക സ്ഥാപനങ്ങൾ ഉപയോഗിക്കുന്ന ഡാറ്റ സോഴ്സുകൾ താഴെ പറയുന്നവയാണ്:

• ഉപഭോക്തൃ മെറ്റാ-ഡാറ്റ.
• ഇടപാട് ടൈംസ്റ്റാമ്പുകളും തുകകളും.
• ഉപഭോക്താക്കളുടെ ഇടപാട് ചരിത്രം.
• ഇടപാടുകളുടെ ഭൂമിശാസ്ത്രപരമായ സ്ഥാനം.
• ബെൻഫോർഡിന്റെ നിയമം.

സംയോജന രീതിശാസ്ത്രം

ഒരു സ്ഥാപനത്തിനുള്ളിൽ അത്തരം ഫീഡുകൾ വിശകലനം ചെയ്യുന്നതിന് ഞങ്ങൾ ഉയർന്ന തലത്തിൽ നിർവഹിക്കുന്ന പ്രക്രിയയുടെ ഒരു അവലോകനം താഴെ നൽകുന്നു:

• ഇൻപുട്ടുകളായി ഉപയോഗിക്കാൻ കഴിയുന്ന ERP സിസ്റ്റങ്ങളിൽ നിന്നുള്ള സാമ്പത്തിക മെട്രിക്സുകൾ തിരിച്ചറിയുക.
• പ്രാരംഭ ഡാറ്റാസെറ്റിൽ ഒരു ഐസൊലേഷൻ ഫോറെസ്റ്റ് പരിശീലിപ്പിക്കുക, കൂടാതെ കൂടുതൽ പുതിയ വഞ്ചനാപരമായ ഇടപാട് പാറ്റേണുകൾ കണ്ടെത്തുന്നുവെന്ന് ഉറപ്പാക്കാൻ ഭാവിയിലേക്ക് മോഡൽ പരിശീലിപ്പിക്കുന്നത് തുടരുക.
• വരുന്ന ഇടപാടുകളിൽ ഐസൊലേഷൻ ഫോറസ്റ്റ് പ്രവർത്തിപ്പിക്കാൻ Telemus AI™ API-കൾ വിളിക്കുമ്പോൾ, മോഡലിനെ അടിസ്ഥാനമാക്കി ഒരു തട്ടിപ്പ് ഇടപാടിന്റെ സാധ്യതയുടെ പ്രോബബിലിസ്റ്റിക് എസ്റ്റിമേറ്റ് API നൽകുന്നു.
• സാധ്യമായ തട്ടിപ്പ് ഇടപാടുകളെക്കുറിച്ച് തട്ടിപ്പ് ടീമിനെയും ഉപഭോക്താക്കളെയും അറിയിക്കാൻ ഇഷ്ടാനുസൃത വർക്ക്ഫ്ലോകളും പ്രക്രിയകളും സജ്ജീകരിക്കുക

Telemus AI™-ന് ശക്തമായ മെഷീൻ ലേണിംഗ് മോഡലുകൾ ഉള്ളതിനാൽ നിങ്ങളുടെ ഓർഗനൈസേഷന് സാങ്കേതിക നടപ്പാക്കലിനേക്കാൾ ബിസിനസ്സ് ലോജിക്കിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ കഴിയും.

ഓർഗനൈസേഷണൽ ആപ്ലിക്കേഷനുകൾ

നിങ്ങളുടെ സ്ഥാപനത്തിനുള്ള മറ്റ് സാധ്യമായ പ്രയോഗങ്ങൾ താഴെ പട്ടികപ്പെടുത്തുന്നു:

• തട്ടിപ്പ് ഇടപാടുകൾ കണ്ടെത്തൽ.
• തട്ടിപ്പ് തൊഴിലുടമ അവകാശവാദങ്ങൾ കണ്ടെത്തൽ.
• മനുഷ്യവിഭവ ട്രാക്കിംഗ് സിസ്റ്റങ്ങൾ വഴി അസാധാരണമായ ഓർഗനൈസേഷണൽ പെരുമാറ്റം നിർണ്ണയിക്കുന്നു.

സാധ്യമായതും കൈവരിച്ചതുമായ പ്രയോജനങ്ങൾ

സാമ്പത്തിക തട്ടിപ്പ് മൂലമുണ്ടാകുന്ന വലിയ തോതിലുള്ള സമയത്തിന്റെയും പണത്തിന്റെയും നഷ്ടവും അത് ഉണ്ടാക്കാൻ കഴിയുന്ന പ്രശസ്തിയ്ക്കുണ്ടാകുന്ന നാശനഷ്ടങ്ങളും ഉപഭോക്തൃ അതൃപ്തിയും കണക്കിലെടുക്കുമ്പോൾ, തട്ടിപ്പ് സജീവമായി തടയുന്നത് പ്രവർത്തനത്തിന്റെ തോതനുസരിച്ച് ദശലക്ഷങ്ങൾ മുതൽ ലക്ഷക്കണക്കിന് ഡോളർ വരെ ലാഭിക്കാൻ കഴിയും. നിയന്ത്രണ സമിതികളും തുടർച്ചയായി കൂടുതൽ കർശനമായ അനുസരണ മാർഗ്ഗനിർദ്ദേശങ്ങൾ പുറത്തിറക്കുന്നുണ്ട്. തട്ടിപ്പ് തടയാനും പോരാടാനും സാമ്പത്തിക സ്ഥാപനങ്ങൾക്ക് പ്രക്രിയകളും നടപടിക്രമങ്ങളും സിസ്റ്റങ്ങളും ഉണ്ടായിരിക്കണമെന്ന് പ്രതീക്ഷിക്കുന്നു. റെഗുലേറ്ററി ടെക്നോളജീസ് അല്ലെങ്കിൽ RegTech ഒരു ഉദയം ചെയ്യുന്ന മേഖലയാണ്, ഭാവിയിലേക്ക് നീങ്ങുന്ന പല സ്ഥാപനങ്ങളുടെയും പ്രവർത്തന വകുപ്പുകളിൽ നിരവധി നവീകരണങ്ങൾക്ക് കാരണമാകാൻ കഴിവുള്ളതാണ്.

Telemus AI™ സർക്കാരിനും സ്ഥാപനങ്ങൾക്കും വിപുലമായ പരിഹാരങ്ങൾ നൽകുന്ന ഓസ്ട്രേലിയ ആസ്ഥാനമായുള്ള ഒരു കൃത്രിമബുദ്ധി കമ്പനിയാണ്. Telemus AI™ നിങ്ങളുടെ ഓർഗനൈസേഷനിൽ എങ്ങനെ സംയോജിപ്പിക്കാം എന്നതിനെക്കുറിച്ച് ഒരു സൗജന്യ കൺസൾട്ടേഷനുവേണ്ടി ഇന്ന് ഞങ്ങളെ ബന്ധപ്പെടുക.

അവലംബങ്ങൾ

[1] - Isolation Forest - Fei Tony Liu, Kai Ming Ting, and Zhi-Hua Zhou
[2] - ക്രെഡിറ്റ് കാർഡ് തട്ടിപ്പ് കണ്ടെത്തൽ - Kaggle
[3] - ക്രെഡിറ്റ് കാർഡ് വഞ്ചനാ കണ്ടെത്തലിലെ മെഷീൻ ലേണിംഗ് - S ജോവൽ ഫ്രാങ്ക്ലിൻ