Come il deep learning può contribuire al rilevamento delle frodi

Machine Learning e Deep Learning. Secondo Cloudera possono giocare un ruolo importante nella lotta conto le frodi. Ecco perché

Pubblicato il 24 febbraio 2021

Una delle molte aree in cui l’apprendimento automatico (machine learning e deep learning) può fare la differenza in ambito enterprise è la capacità di fare previsioni accurate nel campo dell’individuazione delle frodi.

Identificare una transazione come fraudolenta è un requisito critico per le società di servizi finanziari, ma sapere che una transazione che è stata segnalata come fraudolenta da un sistema basato su regole è invece una transazione valida, può essere altrettanto importante. Oltre a esserci un costo associato a una transazione erroneamente segnalata come frode, questo può erodere la fiducia del cliente, preoccupato dal verificarsi di troppi falsi positivi sul suo conto.

Un approccio per risolvere questo problema è quello di aggiungere un modello automatico di machine learning a seguire il sistema basato su regole al fine di analizzare ulteriormente le transazioni segnalate come fraudolente, ed eliminare un maggior numero di falsi positivi. Un modello ben calibrato e accurato può prevedere quali sono i falsi positivi e ridurre i costi di follow-up, migliorando drasticamente la fiducia dei clienti.

Un approccio che si avvale del deep learning ha portato notevoli miglioramenti nelle prestazioni di molteplici campi e può essere applicato altrettanto bene all’individuazione delle frodi che presenta un grande squilibrio tra il numero di transazioni valide e quelle fraudolente, rendendo gli approcci tradizionali di machine learning supervisionato meno efficaci. Un’alternativa è quella di introdurre un approccio basato sul rilevamento delle anomalie: trovare il modello nelle transazioni valide e segnalare come potenzialmente fraudolente quelle che non vi rientrano.

Le anomalie, spesso indicate come outlier, sono dati puntuali o sequenze di dati che non si conformano a una nozione di comportamento normale. L’attività di anomaly detection quindi, consiste nel trovare quei modelli in dati che non aderiscono alle norme previste. La capacità di riconoscere o rilevare comportamenti anomali può fornire indicazioni molto utili in tutti i settori industriali. Segnalare o mettere in atto una risposta pianificata quando si verificano questi casi insoliti può far risparmiare alle aziende tempo, denaro e clienti.

Il rilevamento automatico e la corretta classificazione di qualcosa che non viene considerato anomalo è un problema impegnativo che è stato affrontato in molti modi diversi nel corso degli anni. Gli approcci tradizionali di machine learning si rivelano in realtà non ottimali quando si tratta di dati ad alta dimensione, perché non riescono a catturarne la complessa struttura. È qui che i metodi di deep learning possono rivelare il loro valore.

Il rapporto esamina una serie di importanti architetture di modelli di deep learning, tra cui gli autoencoder, gli autoencoder variazionali, le reti antagoniste generative e i metodi sequenza per sequenza, e analizza come possono essere applicati al compito di rilevamento delle anomalie, confrontandoli in termini di costi di formazione, inferenza e storage.

Fonte foto apertura: Pixabay_ahmedgad



Contenuti correlati

  • Una difesa efficace

    Un sistema Siem per il monitoraggio centralizzato dei sistemi di sicurezza cyber, fisici e cyber-fisici Leggi l’articolo

  • Industry 4.0: l’89% delle aziende è colpito da attacchi cyber e subisce milioni di perdite

    Nell’ultimo anno l’89% delle organizzazioni nei settori elettrico, oil&gas e manifatturiero ha subito un attacco cyber che ha danneggiato la produzione e la fornitura di energia. Il dato emerge da “The State of Industrial Cybersecurity”, l’ultimo studio...

  • Sotto il cofano dell’intelligenza artificiale

    La moderna intelligenza artificiale è caratterizzata da un’ampia varietà di approcci, stili e metodi di programmazione Leggi l’articolo

  • Robotic Process Automation, questa sconosciuta di cui tutti parlano

    La tecnologia RPA (Robotic Process Automation) è l’automazione di processi soggetti a sistemi informatici. Come i robot industriali automatizzano le operazioni iterative e alienanti della produzione, i software della RPA automatizzano azioni ripetitive tipiche degli altri processi...

  • Apprendimento automatico per la manutenzione predittiva

    Adottare il machine learning nei progetti di predictive maintenance incrementa benefici che si estendono, dalla maggior produttività degli asset, alla riduzione dei costi complessivi di manutenzione. Leggi l’articolo

  • I tre pilastri della fabbrica intelligente: efficienza, interconnessione e sicurezza

    Dalla raccolta del dato alla sua elaborazione, dall’analisi dei dati alla distribuzione delle informazioni utili a supportare i processi di business: fare digital transformation in un contesto manifatturiero è una sfida che richiede una profonda conoscenza dei...

  • Il report “Kaspersky ICS Security Survey 2022”

    L’implementazione di soluzioni di sicurezza in un ambiente tecnologico operativo impone alle organizzazioni di trovare un equilibrio tra sicurezza e continuità della produzione. Diversamente, secondo alcune stime, i tempi di inattività non pianificati causati da interruzioni della...

  • Cobot, più sicurezza nella collaborazione uomo-macchina

    Le innovazioni in sensori, intelligenza artificiale, machine learning migliorano la consapevolezza situazionale dei robot, consentendo loro di operare in prossimità degli operatori, senza necessità di recinzioni. Leggi l’articolo

  • Machine Vision e Deep Learning

    Tecniche sempre più avanzate di Intelligenza Artificiale (AI), in particolare di Machine Learning e più ancora di Deep Learning, aumentano enormemente le potenzialità dei sistemi di visione automatica. I vantaggi delle reti neurali convoluzionali e l’ampliamento dei...

  • Cognex In-Sight 2800 abbina Deep Learning e visione tradizionale

    Cognex Corporation presenta al mercato l’innovativo sistema di visione della serie In-Sight 2800. In-Sight 2800 racchiude la potenza di un sistema di visione completo in una soluzione facile da usare che rende le applicazioni operative in pochi...

Scopri le novità scelte per te x