الكشف عن الاحتيال

يُعرف الكشف عن الاحتيال بأنه عملية تحديد المعاملات أو الحسابات أو الطلبات التي لا تتطابق مع ما تدعيه — قبل وقوع الخسارة. ويُطلق عليه أحيانًا اسم «تكنولوجيا الكشف عن الاحتيال» أو «نظام الكشف عن الاحتيال»، وهو يجمع بين القواعد والتعلم الآلي وإشارات الهوية والسلوك لاتخاذ قرار في غضون أجزاء من الألف من الثانية.

يُعرف أيضًا باسم تكنولوجيا الكشف عن الاحتيال، نظام الكشف عن الاحتيال، تحليلات الاحتيال
نافذة اتخاذ القرار ميلي ثانية للمدفوعات؛ ثوانٍ لإتمام عملية التسجيل
نوعان من المحركات القواعد — صريحة وقابلة للتفسير؛ النماذج — مكتسبة وتتميز بقدرة أعلى على الاسترجاع
مجموعات الإشارات الشائعة الهوية، الجهاز، السلوك، الشبكة، السرعة، المعاملة
أهم أنواع الاحتيال الاستيلاء على الحسابات، الهوية المزيفة، الجهات المباشرة، الدفع، إساءة استخدام العروض الترويجية
المفاضلة الأساسية تؤدي النتائج الإيجابية الخاطئة إلى خسارة في الإيرادات والسمعة الطيبة؛ أما النتائج السلبية الخاطئة فتكبد خسائر مالية مباشرة
الضغوط التنظيمية متطلبات القابلية للتفسير في قرارات الائتمان والإقراض
ضعف هيكلي يستند الكشف إلى السلوك، وليس إلى النية

كيف يعمل

كل نظام لمكافحة الاحتيال هو عبارة عن دالة تقييم مدمجة في سياسة ما. تدخل الإشارات، فتُنتج نتيجة تقييم، ثم تحدد عتبات معينة ما إذا كان سيتم الموافقة أو الرفض أو إحالة الطلب للمراجعة. والأمور المثيرة للاهتمام هي تحديد ماهية تلك الإشارات ومن الذي يضع تلك العتبات.

القواعد هي شروط صريحة يضعها المحللون — مثل رفض معاملة ببطاقة ائتمان من جهاز جديد في بلد لم يسبق للعميل إجراء معاملات منه. وهي سريعة وقابلة للتدقيق وسهلة التفسير للجهات التنظيمية. كما أنها هشة: فالمحتال الذي يختبر مجموعة القواعد يكتشف ثغراتها في غضون أيام، وتتراكم مكتبات القواعد لتشكل آلاف الشروط المتداخلة التي لا يجرؤ أحد على حذفها.

نماذج التعلم الآلي استنتاج الأنماط من السجلات المصنفة، واكتشاف تركيبات لم يخطر ببال أي محلل أن يضعها. وتختلف هذه النماذج في مدى تدهورها: فهي تحتاج إلى تصنيفات، وتتغير مع تغير السلوك، كما يصعب تفسيرها. وتستخدم معظم المؤسسات كلا النهجين، حيث تتولى القواعد معالجة الحالات المعروفة، بينما تتولى النماذج معالجة الباقي.

الإشارات أهم من المحرك. الهوية تحدد هذه الإشارات ما إذا كان مقدم الطلب حقيقيًّا أم لا. الجهاز تقوم الإشارات بتحديد هوية الأجهزة وكشف المحاكيات والكاميرات الافتراضية. السلوكي تراقب الإشارات كيفية تفاعل الشخص — إيقاع الكتابة، والتردد عند ملء الحقول، وهي أمور يعرفها المالك الحقيقي. الشبكة تربط الإشارات الحسابات من خلال السمات المشتركة، وهو ما يؤدي إلى ظهور عصابة احتيال الذين يبدون، كل على حدة، وكأنهم عملاء لا علاقة بينهم. السرعة تحسب الإشارات عدد المحاولات عبر النوافذ الزمنية.

يخدم كل من المعالجة في الوقت الفعلي والمعالجة الدفعية أغراضًا مختلفة. فالمعالجة في الوقت الفعلي تعطل المعاملة أثناء تنفيذها؛ بينما تكتشف المعالجة الدفعية أنماطًا على مدى أسابيع لا يمكن لأي قرار فردي أن يكتشفها. أما الأنظمة التي تعتمد على الطريقة الأولى فقط، فتفوت تمامًا حالات الاحتيال البطيئة التي تتطلب الصبر.

لماذا يعد ذلك مهمًا للتحقق من الهوية

تتمثل معظم حالات الاحتيال في مشكلة تتعلق بالهوية تتخفى تحت ستار المعاملات. أما الاستيلاء على الحساب، فهو حساب شرعي يستخدمه الشخص الخطأ. أما الاحتيال بالهوية الاصطناعية، فهو حساب لم يكن له مالك حقيقي قط. أما الاحتيال من الطرف الأول، فهو قيام الشخص الصحيح بتقديم معلومات خاطئة عن نفسه.

وهذا يعني أن جودة الكشف تعتمد على جودة التحقق من الهوية عند نقطة الدخول. فالنظام الذي يستند في استنتاجاته إلى حسابات لم يتم التحقق من هوية أصحابها بشكل صحيح، يستنتج استنتاجاته من أساس معيب — فهو يتعلم سلوك حسابات لا يمكنه التأكد من صحتها، ويعامل ذلك على أنه أمر طبيعي.

يحقق التحقق من الهوية عند التسجيل فائدتين فيما يتعلق بالكشف اللاحق. فهو يزيل فئة من حالات الاحتيال قبل دخولها إلى قاعدة المستخدمين، كما يربط كل حساب بهوية تم التحقق منها، مما يجعل تحليل الشبكة ذا مغزى. ويُعد ربط الحسابات عبر الأجهزة المشتركة أمرًا مفيدًا؛ لكن ربطها عبر سمات الهوية المشتركة التي تم التحقق منها يُعد أكثر فعالية بكثير. الذكاء في الوقت الفعلي من Microblink تُدرج إشارات الهوية في ذلك القرار، و الكشف عن الهويات المزيفة والمسروقة يتعامل مع الفئتين اللتين تتفوقان على مراقبة المعاملات من خلال ظهورهما بشكل طبيعي تمامًا.

القواعد مقابل التعلم الآلي

  قائم على القواعد التعلم الآلي
صُنع من معرفة المحللين بالأنماط المعروفة النتائج التاريخية المُصنَّفة
القابلية للتفسير مرتفع — الحالة هي السبب أدنى؛ يتطلب العمل على قابلية التفسير
حالة احتيال جديدة يفتقدها إلى أن تُكتب قاعدة ما يمكنه اكتشاف تركيبات غير مرئية
الصيانة تتراكم المكتبات وتتعارض إعادة التدريب، مراقبة الانحراف، جودة التسمية
سرعة النشر فوري أسابيع، وتحتاج إلى كمية كافية من البيانات المصنفة
المقاومة العدائية منخفض — يكتشف الاستكشاف الحواف أعلى، لكن يمكن فحص النماذج أيضًا
التوافق التنظيمي بسيطة لاتخاذ قرارات الإقراض هناك حاجة إلى أدوات تتيح تفسير النتائج

ما لا يمكنه فعله

إنها لا تستطيع تمييز النية. يعتمد الكشف على مراقبة السلوك واستخلاص الاستنتاجات. فالعميل الجديد الذي يتصرف بشكل غير معتاد والمحتال الذي يتصرف بشكل غير معتاد يبدوان متطابقين في لحظة اتخاذ القرار، وهذا هو السبب الأساسي الذي لا يمكن تجنبه لحدوث حالات الإيجابية الكاذبة.

لا يمكنه تصحيح العلامات الخاطئة. تتعلم النماذج من الحالات التي تم تصنيفها على أنها احتيالية. أما حالات الاحتيال التي لم يتم اكتشافها قط، فيتم تصنيفها على أنها مشروعة، وبالتالي يتعلم النموذج قبولها — وهي حلقة تغذية مرتدة تجعل اكتشاف الأنماط المستمرة لفترة طويلة دون أن يتم كشفها أمراً يزداد صعوبةً تدريجيًّا.

لا يمكنها الكشف عن حالات الاحتيال من قبل الأطراف المعنية نفسها أثناء عملية التسجيل. الشخص الحقيقي الذي يستخدم هويته الحقيقية، وينوي عدم السداد، يجتاز جميع إجراءات التحقق من الهوية لأنه لا يوجد أي شيء مزيف في هويته. وهذه مشكلة تتعلق بالائتمان والسلوك تظهر لاحقًا.

تعتبر القيم الحدية قرارًا تجاريًّا، وليست قرارًا تقنيًّا. وهنا يتم موازنة إيرادات التداولات مع الخسائر، ولا توجد نتائج نموذجية تحدد الإجابة. فالأنظمة التي تُقدَّم على أنها آلية بالكامل قد اتخذت هذا القرار نيابة عن شخص ما.

الأسئلة الشائعة

ما الفرق بين الكشف عن الاحتيال والوقاية منه؟

يُكشف الكشف عن حالات الاحتيال الجارية أو التي وقعت بالفعل. أما الوقاية فتمنع حدوثها من الأساس — من خلال التحقق من الهوية عند التسجيل، وفرض إجراءات مصادقة معززة عند القيام بإجراءات تنطوي على مخاطر. الكشف هو إجراء رقابي على النشاط؛ أما الوقاية فهي إجراء رقابي على الوصول.

كيف تكتشف نماذج التعلم الآلي حالات الاحتيال التي لم يسبق لها أن واجهتها من قبل؟

من خلال تعلم شكل النشاط الطبيعي بدلاً من حفظ حالات الاحتيال المعروفة. فالنشاط الذي ينحرف في عدة أبعاد في آن واحد يُصنف على أنه شاذ حتى لو لم تظهر تلك التركيبة بالذات مطلقًا في مرحلة التدريب، وهو ما لا تستطيع القواعد القيام به.

لماذا تنتج أنظمة الكشف عن الاحتيال نتائج إيجابية خاطئة؟

لأن الحالات غير العادية وحالات الاحتيال تتشابه في مظهرها. فالعميل الشرعي الذي يسافر، أو يشتري شيئًا غير معتاد بالنسبة له، أو يستخدم جهازًا جديدًا، يُنتج نفس البصمة الشاذة التي ينتجها المهاجم. وتؤدي تقليل حالات الإيجابية الكاذبة إلى زيادة حجم عمليات الاحتيال التي تمر دون أن يتم اكتشافها.

هل يحل الكشف عن الاحتيال محل التحقق من الهوية؟

لا، واعتباره بديلاً عن ذلك يعد خطأً شائعاً ومكلفاً. فعمليات الكشف تستند إلى معلومات حول الحسابات والمعاملات؛ وإذا لم يتم التحقق مطلقاً من الهوية الكامنة وراء الحساب، فإن الاستدلال يكون انطلاقاً من نقطة بداية غير موثوقة. وهذان الأمران متسلسلان، وليسا بديلين عن بعضهما.

مقالات ذات صلة

اكتشف حلولنا

استكشاف حلولنا على بُعد نقرة واحدة فقط. جرّب منتجاتنا أو تحدّث مع أحد خبرائنا للتعمّق أكثر فيما نقدمه.

تقرير
تحديد ملامح تزايد حالات الاحتيال المتعلقة بالهوية المدعومة بالذكاء الاصطناعي

لم يقتصر دور الذكاء الاصطناعي على تسريع عمليات الاحتيال فحسب، بل جعلها نظامًا متكاملًا. فقد قمنا بتحليل ملايين التفاعلات المتعلقة بالهوية لرسم خريطة لكيفية تطور هجمات الهوية عبر المناطق وأنواع الهجمات ومستويات تعقيدها — وما يتعين على المؤسسات إعادة النظر فيه لمواكبة هذه التطورات.

اطلع على البيانات