Mastercard использует модель искусственного интеллекта для обнаружения и предотвращения мошенничества с кредитными картами.

Mastercard разработала большая табличная модель (LTM) Обученная на данных транзакций, а не на тексте или изображениях, эта модель предназначена для решения проблем безопасности и аутентичности цифровых платежей. В отличие от традиционных больших языковых моделей (LLM), этот инновационный подход фокусируется на структурированных финансовых данных для повышения эффективности обнаружения мошенничества и проверки платежей.

Компания обучила эту базовую модель на миллиарды карточных транзакцийС планами расширения до сотен миллиардов в будущем. Наборы данных охватывают платежные события и связанную с ними информацию, включая местоположение продавцов, потоки авторизации, случаи мошенничества, возвраты платежей и активность в программах лояльности. Важно отметить, Персональные идентификаторы удаляются до начала обучения., что гарантирует, что модель анализирует поведенческие модели, не имея доступа к индивидуальным данным.

Исключение персональных данных значительно снижает риски нарушения конфиденциальности, обычно связанные с применением ИИ в секторе финансовых услуг. Масштаб и объем анонимизированных данных позволяют модели выявлять коммерчески ценные закономерности, сохраняя при этом конфиденциальность пользователей. Хотя анонимизация удаляет некоторые сигналы, которые могли бы быть полезны для оценки рисков, Mastercard утверждает, что использование достаточно больших объемов поведенческих данных компенсирует это ограничение.

Понимание больших табличных моделей (LTM)

Архитектура долговременной памяти (LTM) принципиально отличается от архитектуры больших языковых моделей. В то время как LLM обрабатывают неструктурированные входные данные и предсказывают следующий токен в последовательности, Технология LTM от Mastercard анализирует взаимосвязи между полями в многомерных таблицах данных.Этот подход больше соответствует традиционному машинному обучению, чем генеративному искусственному интеллекту.

Большая табличная модель обучается непосредственно на исходных данных для выявления предсказуемых взаимосвязей, что позволяет ей обнаруживать аномальные закономерности, которые могут быть упущены из виду с помощью предопределенных правил. Mastercard описывает LTM как «Система анализа данных» Эта модель интегрируется с существующими продуктами и расширяет возможности текущих рабочих процессов. Профиль операционных рисков отличается от моделей управления жизненным циклом продуктов, ориентированных на клиента, поскольку данная модель в первую очередь поддерживает внутренние процессы принятия решений.

Техническая инфраструктура использует Nvidia для вычислительных платформ и Databricks для проектирования данных и разработки моделей., объединяя передовые технологии для обеспечения работы LTM.

Практическое применение и внедрение

Кибербезопасность представляет собой первую активную область развертывания В Mastercard эта технология используется в нескольких системах обнаружения мошенничества, которые анализируют данные о транзакциях, традиционно требуя участия человека для выявления подозрительных моделей поведения, таких как внезапное увеличение частоты транзакций или покупки в разных географических регионах в короткие промежутки времени.

Предварительные результаты демонстрируют улучшенную производительность по сравнению с традиционными методами в конкретных сценариях. Например, модель показывает повышенную точность в различении законных дорогостоящих покупок с низкой частотой от мошеннических — транзакций, которые традиционные модели часто помечают как аномалии.

Mastercard планирует внедрить гибридные системы, сочетающие в себе устоявшиеся процедуры с новой модельюЭто отражает осторожный подход, требуемый нормативно-правовой базой. Компания признает, что ни одна модель не является универсальной и подходит для всех сценариев, позиционируя LTM как один из многих инструментов в своем арсенале безопасности.

Помимо обнаружения мошенничества, модель может анализировать активность программ лояльности, поддерживать управление портфелем и улучшать внутреннюю аналитику — любую область, связанную с большими объемами структурированных данных. В настоящее время компании часто используют несколько специализированных моделей для каждой задачи, что многократно увеличивает затраты на обучение и валидацию. Единая базовая модель, которую можно тонко настраивать для различных приложений, может оптимизировать операции и сократить расходы.

Риски и перспективы развития

Многофункциональный подход к долговременной памяти сопряжен с присущими ему рисками: Сбой в широко распространенной модели может иметь последствия для всей системы.Это объясняет стратегию Mastercard по внедрению этой технологии параллельно с существующими системами обнаружения, по крайней мере, на начальном этапе.

В планах на будущее – увеличение масштаба обучающих данных и повышение общей сложности модели. Mastercard также занимается разработкой... Доступ к API и SDK дать возможность внутренним командам создавать новые приложения на этой платформе.

Компания подчеркивает свою приверженность ответственному отношению к данным, включая защиту конфиденциальности, прозрачность, объяснимость моделей и возможность аудита. Ожидается, что регулирующие органы будут тщательно проверять системы, влияющие на кредитные решения или результаты мошенничества, а также осуществлять надзор за методами работы с данными, используемыми в деятельности LTM.

Будущее табличного ИИ в сфере финансовых услуг

В основе подхода LTM лежат высокоструктурированные данные. Крупные табличные модели могут представлять собой начало нового поколения систем искусственного интеллекта в основной банковской и платежной инфраструктуре. Однако, На сегодняшний день имеющиеся доказательства ограничиваются отчетами поставщиков.Поэтому заявления о результативности следует тщательно оценивать.

Успех табличных моделей будет зависеть от следующих ключевых факторов: устойчивости в неблагоприятных условиях, долгосрочных затрат после обучения и одобрения регулирующих органов. Эти элементы определят темпы и масштабы их внедрения в финансовой отрасли. На данный момент Mastercard делает стратегические ставки на эту новую технологию в рамках своей дорожной карты инноваций.

Источник изображения: «Oversight» с официальной страницы Корпуса морской пехоты США, распространяется по лицензии CC BY-NC 2.0.

Хотите узнать больше об искусственном интеллекте и больших данных от лидеров отрасли? Посмотрите! Выставка искусственного интеллекта и больших данных Мероприятие пройдет в Амстердаме, Калифорнии и Лондоне. Это масштабное событие является частью TechEx и проводится одновременно с другими ведущими технологическими мероприятиями. [Кликните] здесь для получения дополнительной информации.

AI News работает на базе TechForge MediaОзнакомьтесь с другими предстоящими мероприятиями и вебинарами, посвященными корпоративным технологиям. здесь.