Nilalaman
- Panloloko at Bangko
- Paano Maiiwasan ang Pag-aaral ng Makina sa Hadoop na Pandaraya?
- Mga tool para sa Pag-iwas sa Pandaraya sa Bank
- Cons of Machine Learning
- Konklusyon
Pinagmulan: Ajv123ajv / Dreamstime.com
Takeaway:
Ang pagtuklas ng pandaraya ay palaging isang priyoridad sa industriya ng pagbabangko, ngunit sa pagdaragdag ng mga modernong tool tulad ng Hadoop at pag-aaral ng makina, maaari itong maging mas tumpak kaysa dati.
Ang pagtuklas at pag-iwas sa pandaraya ay isang tunay na sakit para sa industriya ng pagbabangko. Ang industriya ay gumugol ng milyon-milyong sa mga teknolohiya upang mabawasan ang pandaraya, ngunit ang karamihan sa kasalukuyang mga mekanismo ay batay sa static na data sa kasaysayan. At nakasalalay ito sa pattern at pagpapapirma ng pirma batay sa makasaysayang datos na ito, kaya ang mga first-time na mapanlinlang na pagkilos ay napakahirap tuklasin at maaaring magdulot ng maraming pagkawala ng pananalapi. Ang tanging solusyon ay ang pagpapatupad ng isang mekanismo batay sa parehong data sa kasaysayan at real-time. Dito naglalaro ang platform ng Hadoop platform at pag-aaral ng makina.
Panloloko at Bangko
Ang mga bangko ay madaling masugatan sa pandaraya, dahil ang pandaraya ang kanilang pangunahing sanhi ng pagkawala ng pera. Ang isang pagtatantya ay nagmumungkahi na higit sa $ 1.7 trilyon ang nawala bawat taon dahil sa pandaraya sa bangko. Upang maiwasan ito, gumastos ng maraming pera ang mga bangko upang maiwasan ang pandaraya. Gayunpaman, hindi sila gumastos ng malaki sa pagprotekta sa kanilang sarili. Samakatuwid, ang mga kasalukuyang teknolohiya na kung saan ang mga bangko ngayon ay nilagyan ng sapat na hindi sapat. Gayunpaman, ang malaking data at pag-aaral ng makina ay makakatulong upang mabago ang kasalukuyang sistema at bawasan ang pandaraya sa mga antas sa isang mababang-oras na mababa.
Ang mga kasalukuyang diskarte sa pagtuklas ng pandaraya ay may mga sumusunod na mga limitasyon:
Sa kaso ng kasalukuyang pamamaraan ng pag-iwas sa pandaraya, ang tamang pag-update ng isang algorithm ayon sa pinakahuling mga pagkakataon ng pandaraya ay kinakailangan. Gayunpaman, madalas ang mga modelong ito ay ina-update taun-taon dahil ang gastos at oras na kinakailangan ay napakalaki. Napakahirap din na makakuha ng isang tumpak na algorithm at gamitin ito. Kaya, kung ang algorithm ay hindi na-update nang regular, ang pandaraya ay maaaring mapansin hanggang sa pagpapatupad ng mas bagong algorithm, na maaaring ma-deploy na buwan o kahit na mga taon mamaya.
Hindi mo maaaring mapabuti ang iyong mga kasanayan sa pag-programming kapag walang nagmamalasakit sa kalidad ng software.
Paano Maiiwasan ang Pag-aaral ng Makina sa Hadoop na Pandaraya?
Ang pagproseso ng malalaking halaga ng data na tumpak na ginamit upang maging isang herculean task, ngunit sa pagdating ng malaking data, maraming mga mas mabilis at mas malakas na aplikasyon ng pagproseso ng data ang nilikha. Ang isa sa pinakamalakas sa mga application na ito ay ang platform ng Hadoop. Ang Hadoop ay napakalakas dahil sa tampok na MapR, na nagbibigay-daan sa madali itong maproseso ang malalaking halaga ng data sa real time, at napaka-mura sa na.
Tulad ng madaling maproseso ng Hadoop ang malaking halaga ng data nang sabay-sabay, maaari itong magamit upang maproseso ang lahat ng mga mas nakatatandang talaan ng transaksyon at pirma, at gumawa ng isang napaka tumpak na modelo ng matematika. Ang mga detalyeng ito sa transaksyon ay maaari ring magamit upang kunin ang mga lagda, na magpapahintulot sa bangko na makagambala sa mga unang transaksyon sa pandaraya. Gayunpaman, ang tanong na kung saan ay lumitaw ngayon ay anong tool ang maaaring magamit para sa pagproseso ng data at paglilikha ng isang perpektong algorithm?
Mga tool para sa Pag-iwas sa Pandaraya sa Bank
Sa pagtaas ng pandaraya sa bangko, isang mahusay na aplikasyon sa pamamahala ng pandaraya ang pangangailangan ng oras. Ang isa sa mga tool na ito ay Skytree. Ang Skytree ay talagang isang espesyal na platform sa pag-aaral ng makina na nangangako na mag-alok ng mataas na kawastuhan at pagganap, kahit na ang problema ay pinoproseso ang mga talaan ng data ng transaksyon sa bangko. Ito ay batay sa mga kumpol ng data na MapR-type ng Hadoop, na tinitiyak ang malaking pagproseso ng data sa real time. Maaari rin itong gumamit ng maraming iba't ibang mga pamamaraan sa pag-aaral ng makina, kabilang ang mga pamamaraan ng pinangangasiwaan at hindi sinusubaybayan. Dahil sa gayong mahusay na mga pamamaraan sa pag-aaral ng makina, ang Skytree ay nakapagpapatigil sa mapanlinlang na mga transaksyon sa tulong ng isang advanced na modelo at patigilin ang mga first-time na panloloko sa batayan ng kakayahang maagap ang mga kahina-hinalang transaksyon. Ang Skytree ay maaaring awtomatikong pumili ng pinakamahusay na impormasyon at magamit ito upang lumikha ng isang lubos na tumpak na modelo. Madali itong pag-aralan ang malaking halaga ng data, kaya mas madaling i-update ang kasalukuyang modelo sa tulong nito.
Cons of Machine Learning
Ang pag-aaral ng makina ay maaaring isang napakalakas na solusyon para sa pagtuklas ng pandaraya, ngunit maaari rin itong maging isang malaking hamon. Ang konsepto ay direktang nauugnay sa artipisyal na katalinuhan. Ang katotohanan na ang aming mga makina ay gagawa ng mga pagpapasya para sa amin ay maaaring magtaas ng mga implikasyon sa moral. Gayunpaman, hindi na kailangang mag-alala, dahil ang aplikasyon ay gagana para sa amin, at gagawa ng pinakamahusay na mga pagpapasya kapag pinangangasiwaan ng isang empleyado ng tao. Tiyak, ang pag-aaral ng makina ay gagawa ng mas matalinong pamamaraan sa pag-iwas sa pandaraya at makakatulong upang maiwasan ang pagkawala ng pera sa hinaharap.
Konklusyon
Ang pinakamahusay na aplikasyon ng pamamahala ng pandaraya ay dapat na malakas, mabilis at tumpak at dapat umangkop sa iba't ibang mga sitwasyon. Para sa pagkamit nito, ang application ay dapat ma-churn out ang mga detalye ng transaksyon at pirma habang pinapanatili ang na-update ng database sa pinakabagong mga uri ng pandaraya. Tanging isang platform batay sa Hadoop ang magagawa ito, dahil ang mga platform batay sa Hadoop ay napakabilis ng mga aplikasyon ng pag-aaral ng makina na maaaring suportahan ang maraming iba't ibang mga uri ng algorithm sa pag-aaral ng machine. Kasabay nito, ang mga platform na nakabase sa Hadoop ay masyadong tumpak din, kaya madali nilang mapahinto ang maraming mga pagkakataon ng pandaraya na mangyari, dahil maaari nilang makita ang pandaraya sa totoong oras. Nangangahulugan ito na kung ang isang nakatuong application ng pag-aaral ng makina ay nasa tabi ng bangko, ang bangko ay may kapangyarihan na halos hindi masisira sa pandaraya!