Quelle est la première chose à laquelle vous pensez quand vous pensez à une banque? Argent liquide, cartes...des braqueurs de banque !? Si vous avez pensé à ce dernier, réfléchissez à nouveau.
Blagues à part, en matière de banque, la sécurité est extrêmement importante. Alors que le passage à l'argent numérique et à la banque mobile rend certaines formes de criminalité obsolètes, la prévention de la fraude est souvent comme un jeu du chat et de la souris. En utilisant les dernières technologies, nous simplifions votre expérience bancaire, afin que vous puissiez vous concentrer sur ce qui compte. Que ce soit passer du temps avec votre famille, voyager sans soucis ou développer votre entreprise, nous sommes toujours à la recherche de la prochaine meilleure chose qui vous donne plus de liberté.
Lorsque nous avons lancé en 2015, nous avons cherché à remettre en question le statu quo de ce qu'une banque devrait être. Cela a conduit à certaines innovations précoces comme les codes CVC dans l'application (au revoir la copie de carte) et aucune succursale physique (bonjour, vitesse et commodité !). Aujourd'hui, nous explorons un avantage moins souvent évoqué de la banque mobile : détection et prévention de la fraude.
Le défi consiste à vérifier des millions de transactions en temps réel pour des activités illégales et à prévenir la fraude. Cela semble simple, n'est-ce pas? Oh, et également veiller à ce que rien de tout cela n'affecte l'excellente expérience utilisateur à laquelle vous êtes habitué.
Considérez un scénario où un compte commence à recevoir des paiements irréguliers de divers comptes bancaires inconnus, puis soudainement tout l'argent est retiré. Pensez-vous que c'est :
a) Un cas de blanchiment d'argent?
b) Des amis qui vous remboursent pour la pizza?
c) Passer en mode Marie Kondo et vendre vos vinyles sur eBay?
Bonne question ! Pour répondre à cela, et pour nous assurer que nous sommes durs envers les criminels et faciles pour vous, nous utilisons apprentissage automatique supervisé et non supervisé.
Si vous parlez à notre équipe de conformité, vous entendrez des termes comme Prince Nigérian, smurfing ou money-muling jetés ici et là, montrant que de nombreux types de fraudes bancaires sont en réalité bien connus. Pour détecter ces schémas, nous utilisons l'apprentissage automatique supervisé. Il s'agit d'un algorithme qui examine plus de 500 points de données par transaction et crée des centaines d'arbres de décision concurrents pour décider si une transaction est suspecte ou non. L'algorithme apprend en fonction d'années de données de transactions étiquetées et est conçu pour vous protéger en tout temps !
Cela fonctionne bien pour repérer les schémas existants, mais qu'en est-il des tout nouveaux types de fraude ? Dites bonjour à...l'apprentissage non supervisé !
En faisant passer toutes les transactions non suspectes par un modèle d'apprentissage approfondi à auto-encodeur, nous trouvons des schémas très complexes et inhabituels qui peuvent être liés à des schémas de fraude précédemment inconnus. Si confirmées, les données sont étiquetées et utilisées par les modèles d'apprentissage supervisé en entrée — un de moins !
Si tout cela vous semble compliqué, vous pouvez vous demander : n'y a-t-il pas un moyen plus simple ?
Oui, il y en a un ! Et ça s'appelle des règles. Jusqu'à récemment, la plupart des banques traditionnelles n'utilisaient pas l'apprentissage automatique pour repérer les schémas frauduleux. Et même en 2020, elles s'appuient principalement sur des modèles simples basés sur des règles, ce qui signifie définir des schémas suspects et puis vérifier manuellement chaque fois qu'ils se produisent.
Ces règles ne sont généralement pas aussi efficaces que l'apprentissage automatique. Cependant, dans certains cas, elles peuvent être très puissantes, alors nous les utilisons de deux manières : lorsque qu'un schéma est toujours frauduleux, et lorsque nos modèles d'apprentissage supervisé apprennent toujours à détecter le nouveau schéma à l'aide des données générées par la règle.
Voici pourquoi notre approche hybride vous garde en sécurité :
1. Nous ne discriminons pas en fonction de la nationalité ou de l'apparence
Bien sûr, personne ne le fait exprès — mais en se concentrant sur les schémas comportementaux au lieu des stéréotypes et des préjugés, notre modèle est plus équitable que les agents de conformité humains.
2. Nous pouvons adapter l'expérience utilisateur pour être sans effort pour vous et terrible pour les fraudeurs
L'apprentissage automatique permet une détection plus rapide des comportements frauduleux que les modèles basés sur des règles et c'est beaucoup plus précis.
3. En restant toujours un pas en avant des criminels, nous avons plus de temps pour nous concentrer sur ce qui compte vraiment : construire la meilleure banque pour vous
Voilà ! C'est l'une des façons dont nous gardons votre argent en sécurité chaque jour, mais bien sûr, il se passe beaucoup plus de choses en coulisses.
Si vous êtes intéressé à en savoir plus sur la façon dont nous prévenons la fraude et vous gardons en sécurité, veuillez nous le faire savoir ici !
Diffusez l'amour, pas la fraude !
