La technologie de détection des fraudes en temps réel de Mastercard sera renforcée dans le courant de l'année par le déploiement de l'outil de détection des fraudes par IA générative qu'elle a mis au point.
L'outil d'IA, appelé Decision Intelligence Pro (DI Pro), est alimenté par un réseau neuronal récurrent développé en interne par l'équipe de Mastercard. cybersécurité et les équipes anti-fraude. L'algorithme de détection des fraudes est entraîné sur des milliards de transactions traitées par Mastercard chaque année.
Le modèle s'appuie sur l'historique des achats des titulaires de cartes pour comprendre la relation entre les commerçants et les titulaires de cartes.
Lorsqu'un titulaire de carte initie une transaction, DI Pro analyse un trillion de points de données pour prédire si la transaction est susceptible d'être frauduleuse ou non. Il calcule la probabilité que le titulaire de la carte effectue une transaction avec l'entreprise en se basant sur l'historique des visites du commerçant.
En moins de 50 millisecondes, DI Pro peut prédire si la transaction est vraisemblablement authentique ou si elle doit être signalée comme frauduleuse.
DI Pro devrait être mis en œuvre dans le courant de l'année, mais les premières modélisations montrent qu'il pourrait augmenter les taux de détection des fraudes de 20% en moyenne, voire de 300% dans certains cas.
"Grâce à l'IA générative, nous transformons la vitesse et la précision de nos solutions anti-fraude, en détournant les efforts des criminels et en protégeant les banques et leurs clients. La suralimentation de notre algorithme améliorera notre capacité à anticiper le prochain événement frauduleux potentiel, en instillant la confiance dans chaque interaction", a déclaré Ajay Bhalla, président de Cyber and Intelligence chez Mastercard.
Outre la protection des titulaires de cartes contre la fraude, M. Bhalla a déclaré que DI Pro permettrait également de "réduire le nombre de faux positifs de plus de 85%".
Les banques consacrent une part importante de leurs coûts opérationnels à la détection des fraudes. Une réduction de 20% des transactions frauduleuses se traduit par une réduction des ressources humaines et financières nécessaires pour évaluer les transactions illégitimes.
