Die Echtzeit-Betrugserkennungs-Technologie von Mastercard wird im Laufe des Jahres einen Schub erhalten, wenn das von Mastercard entwickelte generative KI-Tool zur Betrugserkennung eingeführt wird.
Das KI-Tool mit dem Namen Decision Intelligence Pro (DI Pro) wird von einem rekurrenten neuronalen Netzwerk angetrieben, das intern von Mastercards Cybersicherheit und Betrugsbekämpfungsteams. Der Algorithmus zur Betrugserkennung wird anhand von Milliarden von Transaktionen trainiert, die Mastercard jedes Jahr verarbeitet.
Das Modell lernt aus der Einkaufshistorie der Karteninhaber, um die Beziehung zwischen Händlern und Karteninhabern zu verstehen.
Wenn ein Karteninhaber eine Transaktion initiiert, scannt DI Pro eine Billion Datenpunkte, um vorherzusagen, ob eine Transaktion wahrscheinlich betrügerisch ist oder nicht. Es berechnet, wie wahrscheinlich es ist, dass der Karteninhaber eine Transaktion mit dem Unternehmen durchführt, basierend auf einer Historie von Händlerbesuchen.
In weniger als 50 Millisekunden kann DI Pro vorhersagen, ob die Transaktion wahrscheinlich echt ist oder als betrügerisch eingestuft werden sollte.
DI Pro soll noch in diesem Jahr eingeführt werden, aber erste Modellrechnungen zeigen, dass es die Betrugsaufdeckungsrate im Durchschnitt um 20% und in einigen Fällen sogar um 300% erhöhen könnte.
"Mit generativer KI verändern wir die Geschwindigkeit und Genauigkeit unserer Lösungen zur Betrugsbekämpfung, lenken die Bemühungen von Kriminellen ab und schützen Banken und ihre Kunden. Die Aufladung unseres Algorithmus wird unsere Fähigkeit verbessern, das nächste potenzielle Betrugsereignis zu antizipieren und so Vertrauen in jede Interaktion zu schaffen", so Ajay Bhalla, President of Cyber and Intelligence bei Mastercard.
Neben dem Schutz der Karteninhaber vor Betrug, sagte Bhalla, dass DI Pro auch "die Anzahl der Falschmeldungen um mehr als 85% reduzieren" würde.
Die Banken wenden einen erheblichen Teil ihrer Betriebskosten für die Betrugserkennung auf. Eine Verringerung der betrügerischen Transaktionen um 20% führt zu einer Verringerung der personellen und finanziellen Ressourcen, die für die Prüfung unrechtmäßiger Transaktionen benötigt werden.
