SINGAPORE – Media OutReach – Ngày 27 tháng 5 năm 2020 – GBG, doanh nghiệp công nghệ hàng đầu thế giới trong lĩnh vực về quản lý sự tuân thủ và phát hiện gian lận, xác minh danh tính và thông tin dữ liệu vị trí vừa thông báo sẽ mở rộng khả năng sử dụng trí tuệ nhân tạo (AI) và học máy cho giải pháp Predator chuyên giám sát giao dịch và thanh toán của mình, phân tích sâu và phân tích dự đoán có sẵn giúp khách hàng quản lý rủi ro kỹ thuật số của họ.
GBG lần đầu tiên công bố khả năng học máy của mình cho Instinct Hub, hệ thống quản lý gian lận kỹ thuật số của mình vào tháng 1 năm nay. Khả năng AI mới xử lý bổ sung dữ liệu của bên thứ ba – lấy dấu vân tay thiết bị, định vị địa lý, di động và địa chỉ IP (giao thức Internet), trí thông minh mối đe dọa điểm cuối, phân tích hành vi – được đồng hóa vào nền tảng Quản lý rủi ro kỹ thuật số GBG và nền tảng thông minh để tăng cường hiệu suất mô hình của họ trong việc phát hiện gian lận.
Với đại dịch COVID-19 đang diễn biến phức tạp làm phát sinh những thay đổi trong hành vi tiêu dùng, chuyển tiền và cho vay, khả năng tìm hiểu lại dữ liệu mới và thích nghi với môi trường mới có thể giúp các tổ chức tài chính phát hiện giao dịch mới nổi và gia tăng cùng xu hướng gian lận thanh toán và giảm thiểu tổn thất do gian lận gây ra. Dựa trên kết quả đợt thăm dò ý kiến với nội dung “Understanding COVID-19 Fraud Risks” (tạm dịch: Tìm hiểu rủi ro gian lận trong thời gian xảy ra đại dịch COVID-19″) của GBG trong tháng 4/2020, 37% số người được hỏi coi gian lận giao dịch là loại hình gian lận mà họ dễ bị tổn thương nhất.
Ông Jun Lee, Giám đốc điều hành của GBG khu vực chấu Á – Thái Bình Dương nhận xét: “Gian lận là bất thường, phức tạp và phát triển một cách linh hoạt, đa dạng. Mô hình gian lận tiêu chuẩn xấu đi theo thời gian, khiến các doanh nghiệp gặp phải các loại hình gian lận mới và chịu tổn thất từ các hành vi gian lận. Thông qua việc đào tạo mô hình liên tục và độc lập trong Mảng Học máy của GBG, chúng tôi giải quyết vấn đề suy thoái mô hình. Hiện tại, học máy cung cấp trung bình 20% khả năng phát hiện gian lận, Mảng Học máy của GBG đã hoạt động tốt để cung cấp các cảnh báo gia tăng cho khách hàng của chúng tôi về các gian lận bị bỏ qua, chưa bị phát hiện”.
Mảng Học máy của GBG sử dụng Random Forest (tạm dịch Rừng ngẫu nhiên), Gradient Boosting Machine (tạm dịch Máy tăng cường độ dốc) và Neural Networks (tạm dịch: Mạng thần kinh) – ba thuật toán hàng đầu và đã được chứng minh để phát hiện gian lận. Các thuật toán này thể hiện những phân tích dự đoán mạnh mẽ, các mô hình đào tạo nhanh và khả năng mở rộng cao, học thông qua cả dữ liệu lịch sử và dữ liệu mới. GBG AutoML (Học máy tự động) cho phép học thích ứng nhằm cung cấp khả năng mô hình để tự học lại và tự cập nhật dựa trên khoảng thời gian đã chỉ định.
Bà Michelle Weatherhead, Giám đốc phụ trách các hoạt động của GBG khu vực châu Á – Thái Bình Dương cho biết: “Thông qua kết quả thăm dò rủi ro gian lận ở khu vực châu Á – Thái Bình Dương trong thời gian xảy ra đại dịch COVID-19, các dịch vụ ngân hàng bán lẻ kỹ thuật số đang tăng nhu cầu, từ ví điện tử, cho vay điện tử, kỹ thuật số, cho đến ứng dụng thẻ tín dụng kỹ thuật số. Khả năng dễ dàng phát hiện những hành vi gian lận phức tạp và việc nhận dạng bị lạm dụng trong thanh toán, lừa đảo khối lượng lớn… đang trở nên ngày càng cấp bách”.
Tiến sĩ Alex Low, Nhà khoa học dữ liệu của GBG phát biểu: “Ngoài ra, các phân khúc như cho vay doanh nghiệp nhỏ và tài chính vi mô sẽ có thể khai thác việc học máy để phát hiện sự bất thường trong các mẫu của người đi vay bằng cách đồng hóa cả dữ liệu nhận dạng, hồ sơ và loại hành vi. Mảng Học máy của GBG có thể phân tích số lượng lớn dữ liệu bằng nhiều phép tính toán học các tính năng để xác định xác suất gian lận với độ chính xác cao hơn”.
Mảng Học máy của GBG được thiết kế để đơn giản hóa việc triển khai học máy cho cả người quản lý gian lận và nhà khoa học dữ liệu, loại bỏ nhu cầu luôn phải có nhà khoa học dữ liệu hoặc phải làm việc trở lại với nhà cung cấp để giảm chi phí vận hành. Giải pháp này cung cấp các điều khiển người dùng cao từ sáng tạo tính năng, lựa chọn mô hình và cấu hình, kết quả và giải thích phân tích và ngưỡng cảnh báo. Người dùng cũng có thể xác định cấu hình giải pháp để tự động lên lịch và cập nhật các mẫu lừa đảo mới, thông qua giao diện người dùng trực quan với các mẹo công cụ được tích hợp.
Giải pháp sử dụng cách tiếp cận “hộp trắng” nhằm cung cấp quy trình mô hình hóa công khai và minh bạch để dễ dàng quản trị mô hình và đáp ứng các yêu cầu quy định. Điểm số của học máy và các tính năng đóng góp hàng đầu cho kết quả được hiển thị cho người dùng, những người cần thu thập những thông tin và hiểu biết sâu hơn về hiệu suất và hành vi của mô hình học máy.
Thông tin về GBG:
GBG (có cổ phiếu niêm yết trên sàn Alternative Investment Market – AIM của Sở Giao dịch chứng khoán London, Anh, với mã GBG) làdoanh nghiệp công nghệ hàng đầu thế giới trong lĩnh vực quản lý sự tuân thủ và phát hiện gian lận, xác minh danh tính và thông tin dữ liệu vị trí. AIM là một thị trường con của Sở Giao dịch chứng khoán London cho phép các công ty tham gia cùng với sự linh hoạt về quy định nhiều hơn so với áp dụng cho thị trường chính, không có yêu cầu đặt ra về vốn hóa hoặc số lượng cổ phiếu phát hành.
GBG cung cấp một loạt các giải pháp giúp các tổ chức nhanh chóng xác nhận và xác minh danh tính cùng vị trí của khách hàng của họ.
Công nghệ tiên tiến của GBG dẫn đầu thế giới trong việc phát hiện tình báo và gian lận. Các sản phẩm của GBG được xây dựng trên một bề rộng dữ liệu vô song thu được từ hơn 200 đối tác toàn cầu giúp công ty xác minh danh tính của 4,4 tỷ người trên toàn thế giới.
Có trụ sở chính ở Vương quốc Anh, GBG có hơn 1.000 nhân viên làm việc tại 16 quốc gia. GBG làm việc với khách hàng ở 72 quốc gia và vùng lãnh thổ bao gồm một số doanh nghiệp, tập đoàn nổi tiếng thế giới, từ những tập đoàn thương mại điện tử khổng lồ của Mỹ đến các ngân hàng lớn nhất châu Á và các thương hiệu hàng gia dụng có tiếng ở châu Âu.
Để tìm hiểu thêm về cách GBG giúp khách hàng của mình thiết lập niềm tin với khách hàng của họ, hãy truy cập www.gbgplc.com/apac, theo dõi trên Twitter @gbgplc hoặc LinkedIn.