Phân tích gian lận thế hệ mới: Machine Learning trên Hadoop

Gian lận đại diện cho sự mất mát lớn nhất đối với các ngân hàng, chiếm trên 1.744 tỷ đô thua lỗ hàng năm. Các ngành công nghiệp ngân hàng dành hàng triệu đô mỗi năm cho các công nghệ nhằm giảm gian lận và giữ chân khách hàng, nhưng lại phải chi tiêu không ít trong việc bảo vệ các ngân hàng. Hãy tập trung vào lý do tại sao các phương pháp phát hiện gian lận hiện nay không làm việc tốt như mong muốn và cách học máy giúp đỡ thế nào trên nguồn dữ liệu lớn.

Hầu hết các phương pháp tiếp cận hiện tại để phát hiện gian lận phần lớn là dạng tĩnh và dựa trên các mẫu chữ ký và bắt nguồn từ một tập hợp con của các giao dịch trước đó. Các ngân hàng thường sử dụng mô hình toán học phức tạp được tạo ra từ gian lận lịch sử đã biết để xác định liệu một giao dịch xảy ra trong thời gian thực là gian lận hay không. Rất ít hoặc nếu có, phải được chú ý nhằm phát hiện gian lận trong lần đầu tiên, trong khi không có chữ ký đã biết. Hơn nữa, chữ ký thu được cũng không đủ toàn diện như nó được tạo ra từ một tập hợp con của dữ liệu. Kết quả là, các ngân hàng luôn chơi đuổi bắt và gian lận lần đầu tiên thường vượt qua và không bị phát hiện.