شناسایی تراکنشهای مشکوک با هوش مصنوعی به بانکها و شرکتهای پرداخت کمک میکند پیش از نهاییشدن بعضی خریدها یا انتقالها، رفتار غیرعادی را پیدا کنند. این سامانهها فقط به مبلغ تراکنش نگاه نمیکنند؛ زمان، مکان تقریبی، دستگاه، سرعت انجام عملیات و تفاوت آن با عادت معمول صاحب حساب را هم کنار هم میگذارند.
برای کاربر، نتیجه میتواند به شکل هشدار پیامکی، درخواست تأیید، محدودشدن موقت کارت یا تماس واحد امنیت بانک دیده شود. با این حال، هوش مصنوعی حکم قطعی درباره کلاهبرداری صادر نمیکند و هیچ سامانهای جای دقت صاحب حساب و پیگیری سریع از مسیر رسمی بانک را نمیگیرد.
شناسایی تراکنشهای مشکوک با هوش مصنوعی چگونه انجام میشود؟
سامانههای ضدتقلب ابتدا از تراکنشهای قبلی، یک الگوی رفتاری برای حساب یا کارت میسازند. این الگو میتواند شامل محدوده معمول خرید، ساعتهای پرتکرار، نوع فروشگاهها، میانگین مبلغ و دستگاههایی باشد که معمولاً برای ورود یا پرداخت استفاده میشوند.
سپس هر تراکنش تازه با این الگو و با رفتار حسابهای دیگر مقایسه میشود. مدلهای یادگیری ماشین به جای یک قانون ساده، چندین نشانه را همزمان ارزیابی میکنند و به تراکنش امتیاز ریسک میدهند. هرچه این امتیاز بالاتر باشد، احتمال درخواست تأیید، بررسی انسانی یا توقف موقت بیشتر میشود.
چه نشانههایی برای سامانه مهم است؟
- خریدی با مبلغ یا تعداد دفعاتی بسیار متفاوت از سابقه حساب
- تغییر ناگهانی در دستگاه، نشانی اینترنتی یا محدوده جغرافیایی استفاده
- چند تراکنش پشتسرهم در فاصله کوتاه
- انتقال وجه به گیرندهای که پیشتر در سابقه حساب وجود نداشته است
- تلاشهای متعدد برای ورود، پرداخت یا واردکردن رمز اشتباه
- ارتباط یک حساب یا کارت با مجموعهای از حسابهای دارای رفتار غیرعادی
نشانهها بهتنهایی اثباتکننده تقلب نیستند. برای نمونه، خرید در سفر یا پرداخت یک هزینه بزرگ خانوادگی ممکن است کاملاً قانونی باشد، اما از دید سامانه با رفتار همیشگی کاربر تفاوت داشته باشد.
هوش مصنوعی در بانکها چه واکنشی به تراکنش پرریسک نشان میدهد؟
واکنش سامانه به شدت و نوع خطر بستگی دارد. در موارد کمریسک، ممکن است فقط یک هشدار برای صاحب حساب ارسال شود. در وضعیتهای مشکوکتر، بانک میتواند تأیید دوباره، ورود امن، تماس با مشتری یا محدودیت موقت عملیات را در نظر بگیرد.
برخی سامانهها از ترکیب هوش مصنوعی با قواعد ثابت استفاده میکنند. برای مثال، قانون مربوط به تعداد مجاز تلاش ورود میتواند در کنار مدل یادگیری ماشین قرار بگیرد. این ترکیب مهم است، چون مدل آماری در تشخیص الگوها قوی است اما قواعد روشن برای برخی محدودیتهای امنیتی قابل پیشبینیتر و قابل حسابرسیتر هستند.
در شبکههای پرداخت بزرگ، بررسی فقط روی یک تراکنش انجام نمیشود. ارتباط میان کارتها، حسابها، دستگاهها، شمارههای تماس و مقصدهای انتقال نیز میتواند بررسی شود تا الگوهای گروهی و زنجیرهای بهتر دیده شوند.
چرا تراکنش سالم گاهی مشکوک تشخیص داده میشود؟
مدلهای ضدتقلب برای کاهش زیان مالی، معمولاً به نشانههای خطر حساساند. همین حساسیت میتواند هشدار اشتباه ایجاد کند؛ یعنی تراکنش قانونی بهطور موقت متوقف شود یا بانک برای تأیید آن پیام بفرستد.
تغییر گوشی، استفاده از اینترنت جدید، خرید در شهری دیگر، رزرو سفر، خرید کالای گران یا انتقال وجه برای یکی از اعضای خانواده از موقعیتهایی هستند که ممکن است الگوی عادی حساب را تغییر دهند. بهتر است پیام هشدار را نادیده نگیرید، اما برای تأیید نیز فقط از شماره، برنامه یا وبسایت رسمی بانک استفاده کنید.
یک نکته مهم این است که ردشدن تراکنش از فیلتر هوش مصنوعی به معنی امنبودن قطعی آن نیست. اگر خود کاربر رمز پویا یا اطلاعات ورود را در اختیار کلاهبردار گذاشته باشد، ممکن است تراکنش از نظر سامانه شبیه فعالیت واقعی صاحب حساب به نظر برسد.
محدودیتهای شناسایی تراکنش با هوش مصنوعی
هوش مصنوعی بر اساس دادههای گذشته و نشانههای موجود تصمیمیار تولید میکند. اگر کلاهبرداری با روش تازهای انجام شود، داده کافی برای شناخت آن وجود نداشته باشد یا اطلاعات سامانه ناقص باشد، عملکرد مدل هم محدود میشود.
از سوی دیگر، استفاده از دادههای رفتاری باید با کنترل دسترسی، حفاظت از حریم خصوصی و نظارت انسانی همراه باشد. بانک لازم است بتواند دلیل کلی یک هشدار و مسیر اعتراض یا رفع محدودیت را برای مشتری توضیح دهد؛ زیرا یک امتیاز ریسک مبهم نباید به تنهایی باعث تصمیمهای مهم و طولانیمدت شود.
مدلها همچنین ممکن است برای گروههایی که الگوی خرید متفاوتی دارند، هشدار بیشتری تولید کنند. به همین دلیل آزمون مستمر، بازبینی خطاها و دخالت کارشناس امنیتی در کنار مدل اهمیت دارد.
اگر هشدار تراکنش مشکوک دریافت کردیم چه کنیم؟
- ابتدا بررسی کنید آیا تراکنش را خودتان یا یکی از افراد مورد اعتماد خانواده انجام داده است.
- برای تماس یا ورود، روی لینک پیامک کلیک نکنید و برنامه یا شماره رسمی بانک را بهکار ببرید.
- اگر تراکنش متعلق به شما نیست، سریعاً از مسیر رسمی بانک کارت یا دسترسی مرتبط را مسدود و گزارش کنید.
- رمزهای بانکی و ایمیل مرتبط را با استفاده از دستگاه امن تغییر دهید و کدهای فعال یا نشستهای ناشناس را بررسی کنید.
- مبلغ، زمان، نام پذیرنده، شماره پیگیری و پیامهای دریافتی را ثبت کنید تا پیگیری دقیقتر انجام شود.
هیچ کارمند بانک یا پشتیبان واقعی برای رفع هشدار، رمز پویا، رمز کارت یا کد تأیید را از شما نمیخواهد. تماسگیرندهای که برای حفظ حساب از شما میخواهد پول را به حساب دیگری منتقل کنید، حتی اگر اطلاعاتی از تراکنش شما بداند، قابل اعتماد فرض نمیشود.
چطور احتمال تراکنش غیرمجاز را کمتر کنیم؟
هوش مصنوعی در سمت بانک کار میکند، اما رفتار کاربر همچنان یکی از مهمترین لایههای امنیتی است. اعلان تراکنش را فعال نگه دارید تا فعالیتهای کوچک و بزرگ را سریع ببینید و برای هر حساب یا کارت، رمز و دسترسیهای جداگانه داشته باشید.
- رمز پویا و رمز عبور را در اختیار هیچکس نگذارید.
- برنامه بانکی را فقط از منبع رسمی نصب و بهروزرسانی کنید.
- برای خرید اینترنتی از شبکههای عمومی و دستگاههای ناشناس استفاده نکنید.
- محدودیت برداشت یا خرید را متناسب با نیاز خود تنظیم کنید، اگر بانک چنین امکانی ارائه میدهد.
- پیامکها و اعلانهای بانکی را بهجای پاککردن فوری، برای مدتی بررسی و نگهداری کنید.
جمعبندی: شناسایی تراکنشهای مشکوک با هوش مصنوعی با مقایسه رفتار فعلی و سابقه حساب، بررسی نشانههای فنی و تحلیل ارتباط میان تراکنشها انجام میشود. این فناوری سرعت کشف الگوهای غیرعادی را بالا میبرد، اما تشخیص نهایی و واکنش درست به هشدار به بررسی بانک و دقت صاحب حساب وابسته است؛ بنابراین هشدار را جدی بگیرید و برای پیگیری فقط از مسیر رسمی استفاده کنید.
