10 geriausių sukčiavimo aptikimo ir operacijų stebėjimo agentų

10 geriausių sukčiavimo aptikimo ir operacijų stebėjimo agentų

Atnaujinta 2026 m. rugpjūčio 17 d.

Sukčiavimo prevencija pereina nuo izoliuotų rizikos balų prie visapusiškų rizikos operacijų. Šiuolaikinės sistemos turi įvertinti operaciją realiuoju laiku, susieti ją su susijusiomis paskyromis ir įrenginiais, ištirti aplinkinę veiklą, paaiškinti sprendimą ir rekomenduoti, kas turėtų būti toliau.

Šis darbo srautas yra svarbus, nes operacijų modelis ir tyrimo agentas sprendžia skirtingas problemas. Taisyklės ir mašininio mokymosi modeliai aptinka ir įvertina riziką. Agentai renka įrodymus, susieja įvykius, apibendrina atvejus, rekomenduoja veiksmus ir kartais automatizuoja mažos rizikos sprendimus. „Unit21“ tiesiogiai aprašo šį skirtumą: sukčiavimo agentas turėtų atlikti tyrimo užduotis, o ne tik rodyti balą ar apibendrinti informaciją, kuri jau matoma analitikui. (unit21.ai)

Todėl stipriausios platformos apjungia:

• Realaus laiko taisykles ir mašininį mokymąsi
• Elgesio ir įrenginio žvalgybą
• Grafu pagrįstą subjekto ir operacijų analizę
• Atvejų tyrimą ir įrodymų rinkimą
• Paaiškinamus sprendimus ir nekintamus audito pėdsakus
• Pataisomųjų veiksmų rekomendacijas
• Modelio poslinkio ir rezultatų stebėjimą

Šiame straipsnyje lyginama dešimt pirmaujančių platformų pagal šiuos reikalavimus, ypač atkreipiant dėmesį į tikslumą, atpažįstamumą, sukčiavimo aptikimo padidėjimą, mokėjimų grąžinimo rezultatus, analitikų produktyvumą, privatumą, vėlavimą, paaiškinamumą ir modelio poslinkį.

Vadovybės verdiktas

Nėra universaliai geriausio sukčiavimo aptikimo agento. Tinkamas pasirinkimas priklauso nuo to, ar pagrindinė problema yra kortelių sukčiavimas, momentiniai mokėjimai, paskyros užvaldymas, įgaliotų tiesioginių mokėjimų sukčiavimai, pinigų plovimas, sankcijų patikra ar tyrimo pajėgumas.

Svarbiausia išvada yra ta, kad agento branda ir aptikimo kokybė yra atskiri aspektai. Platforma gali turėti įspūdingą tyrimo kopilotą, bet silpną operacijų lygio atpažįstamumą. Kita gali turėti puikų sukčiavimo balą, bet ribotą autonominį atvejų darbą. Pirkėjai turėtų vertinti šiuos du sluoksnius atskirai.

Kaip veikia sukčiavimo aptikimo agentai

Praktinė sukčiavimo ir operacijų stebėjimo architektūra turi keturis sluoksnius.

1. Realaus laiko sprendimai

Šis sluoksnis įvertina mokėjimą prieš jį patvirtinant. Paprastai jis apjungia:

• Deterministines taisykles
• Greičio patikras
• Elgesio profilius
• Įrenginio ir sesijos signalus
• Kliento ir kontrahento riziką
• Istorines operacijų tendencijas
• Tinklo arba konsorciumo žvalgybą
• Prižiūrimąjį ir neprižiūrimąjį mašininį mokymąsi

Rezultatas paprastai yra patvirtinimo, atmetimo, sulaikymo arba peržiūros sprendimas, kartu su rizikos balu ir priežasčių kodais.

2. Grafų ir ryšių analizė

Grafu pagrįstos sistemos sujungia:

• Klientus
• Paskyras
• Korteles
• Įrenginius
• Interneto adresus
• Telefono numerius
• El. pašto adresus
• Prekybininkus
• Gavėjus
• Kontrahentus
• Operacijas

Tai ypač naudinga sukčiavimo grupuotėms, pinigų mulo tinklams, sintetinėms tapatybėms, slaptam susitarimui, paskyrų užvaldymui ir pinigų judėjimui per kelias paskyras.

Tačiau grafų analizė nėra automatiškai „grafų samprotavimas“. Vizualizacija, rodanti susietus subjektus, skiriasi nuo modelio, kuris vertina daugiapakopius ryšius, operacijų sekas ir tinklo elgesį. Geriausios sistemos pateikia įrodymų kelius, pavyzdžiui:

„Šis gavėjas gavo lėšų iš septynių neseniai atidarytų paskyrų, kurios visos buvo susietos su dviem įrenginiais ir vienu telefono numeriu, anksčiau susijusiais su patvirtintu sukčiavimu.“

3. Tyrimo agentai

Tyrimo agentas gali:

• Gauti operacijų istoriją
• Ieškoti susietų subjektų
• Peržiūrėti ankstesnius įspėjimus ir sprendimus
• Ištirti įrenginio ir elgesio informaciją
• Užklausti išorinės žvalgybos
• Nustatyti susijusius atvejus
• Sudaryti laiko juostą
• Apibendrinti įrodymus
• Rekomenduoti sprendimą
• Parengti vidinio atvejo naratyvą
• Parengti įtartinos veiklos ataskaitą

Agentas turėtų parodyti kiekvieną išvadą patvirtinančius įrodymus. Sklandus pasakojimas be šaltinio įrašų nėra pakankamas reguliavimo institucijai ar patyrusiam tyrėjui.

4. Pataisa ir atsiliepimai

Paskutinis sluoksnis rekomenduoja arba vykdo veiksmus, tokius kaip:

• Patvirtinti operaciją
• Prašyti stipresnio kliento autentifikavimo
• Laikinai sulaikyti
• Atmesti operaciją
• Sustabdyti paskyrą
• Blokuoti įrenginį ar gavėją
• Atšaukti arba grąžinti lėšas
• Susisiekti su klientu
• Perduoti vyresniajam tyrėjui
• Pateikti įtartinos veiklos ataskaitą
• Pradėti išplėstinį patikrinimą
• Sukurti arba modifikuoti taisyklę
• Įtraukti susietus subjektus į stebimųjų sąrašą
• Atidžiau stebėti klientą

Didelės rizikos veiksmai turėtų būti kontroliuojami politikos ir žmogaus patvirtinimo. Agentas neturėtų turėti neribotų įgaliojimų keisti taisykles, visam laikui uždaryti paskyras ar teikti reguliavimo ataskaitas be valdymo.

Svarbūs viešų etalonų apribojimai

Sukčiavimo prevencijos tiekėjai dažnai skelbia įspūdingus procentus, tačiau šie skaičiai retai kada yra tiesiogiai palyginami. Viešose atvejo studijose gali būti nurodyti:

• Procentinis pokytis nuo neatskleistos bazinės linijos
• Aptikta sukčiavimo vertė, o ne operacijų lygio atpažįstamumas
• Klaidingų teigiamų rezultatų sumažinimas be klaidingų neigiamų duomenų
• Rezultatai iš vieno mokėjimo kanalo
• Trumpas bandymų laikotarpis
• Klientui specifinis diegimas
• Pasirinkta sukčiavimo tipologija
• Modelis, veikiantis kartu su kitomis kontrolėmis

Dauguma tiekėjų neskelbia standartizuotos painiavos matricos, kurioje būtų nurodytas operacijų skaičius, sukčiavimo paplitimas, tikslumas, atpažįstamumas, klaidingų teigiamų rezultatų dažnis, klaidingų atmetimų dažnis, mokėjimų grąžinimo rezultatai ir pasikliautinieji intervalai.

Tai reiškia, kad toliau pateiktos reitingų lentelės yra pagrįstos pajėgumų atitikimu ir viešais įrodymais, o ne teiginiu, kad vienas tiekėjas tikrai pasiekė didžiausią realaus pasaulio tikslumą ar atpažįstamumą.

Tikslumas ir atpažįstamumas

Sukčiavimo detektoriui:

• Tikslumas klausia: iš operacijų, pažymėtų kaip sukčiavimas, kiek iš tiesų buvo sukčiavimas?
• Atpažįstamumas klausia: iš visų sukčiavimo operacijų, kiek sistema aptiko?
• Klaidingų teigiamų rezultatų dažnis matuoja teisėtą veiklą, kuri buvo neteisingai pažymėta arba blokuota.
• Klaidingų neigiamų rezultatų dažnis matuoja sukčiavimą, kuris liko nepastebėtas.

Kadangi sukčiavimas paprastai yra retas, palyginti su teisėta veikla, tikslumas gali būti klaidinantis. Neseniai atliktas tyrimas, naudojant viešą Europos kredito kortelių duomenų rinkinį, apėmė 284 807 operacijas ir sukčiavimo paplitimą, siekiantį tik 0,173 proc., tuo pačiu užtikrinant chronologinį duomenų padalijimą, kad būtų modeliuojamas laiko poslinkis. (pubmed.ncbi.nlm.nih.gov)

Modelis gali atrodyti labai tikslus, nors ir praleidžia komerciškai reikšmingą sukčiavimo kiekį. Pirkėjai turėtų teikti pirmenybę:

1. Tikslumui, esant faktiniam peržiūros dažniui
2. Atpažįstamumui, esant faktiniam atmetimo ar intervencijos dažniui
3. Sukčiavimo vertės aptikimui
4. Klaidingiems atmetimams
5. Mokėjimų grąžinimo ir ginčų dažniams
6. Patvirtinimo ir konversijos dažniams
7. Analitikų darbo krūviui
8. Našumui po to, kai etiketės subręsta

Viešų įrodymų santrauka

Toliau pateikti skaičiai yra pardavėjo pateikti arba kliento atvejo studijų rezultatai, nebent nurodyta kitaip. „Viešai neatskleista“ reiškia, kad pardavėjas neskelbia palyginamų tikslumo ir atpažįstamumo rezultatų visai platformai.

10 geriausių sukčiavimo aptikimo ir operacijų stebėjimo agentų

1. Unit21: Geriausia universali agentinė platforma sukčiavimui ir finansiniams nusikaltimams

„Unit21“ yra vienas aiškiausių platformos pavyzdžių, sukurta atsižvelgiant į visą aptikimo ir tyrimo darbo eigą. Jos sistema apjungia taisykles, elgesio signalus, įrenginio žvalgybą, grafų analizę, sukčiavimo konsorciumo informaciją, atvejų valdymą ir dirbtinio intelekto agentus.

Jos aptikimo agentas analizuoja operacijas ir įspėjimus realiuoju laiku. Jos tyrimo agentas renka įrodymus, identifikuoja susietus subjektus, apibendrina riziką, rekomenduoja veiksmus ir kuria atvejų naratyvus. Platforma taip pat palaiko įspėjimų–atvejų–įtartinos veiklos ataskaitų darbo eigas su dokumentuotais tyrimo žingsniais. (unit21.ai)

Kur „Unit21“ veikia gerai

• Stipriai tinka finansinių technologijų įmonėms, mokėjimo įmonėms ir finansų institucijoms
• Teigia, kad sprendimai priimami per mažiau nei 250 milisekundžių realiuoju laiku
• Taisyklės, paaiškinamas mašininis mokymasis, grafu pagrįstos taisyklės ir tyrimo agentai vienoje aplinkoje
• Šešėlinis testavimas, istorinis patvirtinimas ir smėlio dėžės diegimas
• Kanalų stebėjimas per automatizuotas kliringo namų, pavedimų, kortelių, momentinių mokėjimų, kriptovaliutų ir sąskaitų-sąskaitų mokėjimus
• Agentų sukurti įrodymų takai, o ne tik naratyvinės santraukos

„Unit21“ taip pat pabrėžia, kad rizikos komandos gali matyti, kokie kintamieji prisidėjo prie mašininio mokymosi balo, ir gali naudoti grafu pagrįstas taisykles, kad atskleistų paslėptus ryšius. (unit21.ai)

Etalono vertinimas

Viešoje medžiagoje nurodomas 50 procentų klaidingų teigiamų rezultatų sumažėjimas ir 70 procentų sukčiavimo nuostolių sumažėjimas viename klientams skirtame produkto pavyzdyje, tačiau įmonė neskelbia standartizuoto tikslumo, atpažįstamumo ar mokėjimų grąžinimo etalono visuose klientuose. (unit21.ai)

Geriausias pasirinkimas: auganti finansinių technologijų įmonė arba mokėjimo institucija, kuri nori vienos platformos realaus laiko įvertinimui, tyrimams, grafų analizei ir pataisomųjų veiksmų darbo eigai.

Pagrindinė rizika: pirkėjai turėtų patikrinti, ar tyrimo agentui leidžiama automatiškai uždaryti įspėjimus, tik rekomenduoti sprendimus, ar atlikti skirtingus veiksmus pagal rizikos lygį.

2. Sardine: Geriausias įrenginio žvalgybai, sukčiavimo grafams ir skaitmeninei komercijai

„Sardine“ apjungia įrenginio žvalgybą, elgesio analizę, mašininį mokymąsi, taisykles, tinklo žvalgybą, grafų analizę ir agentines sukčiavimo operacijas. Ji ypač stipri ten, kur sukčiavimas apima kliento kelionę iki operacijos, įskaitant registraciją, prisijungimą, paskyros užvaldymą, botus, sintetinę tapatybę, mokėjimo sukčiavimą ir sukčiavimo elgesį.

Jos grafų funkcija sujungia vartotojus, įrenginius, interneto adresus, telefono numerius, el. pašto adresus ir operacijas. Jos agentai apima operacijų stebėjimą, grafų analizę, taisyklių pagalbą, duomenų analizę, atvirojo kodo žvalgybos tyrimus, sankcijų patikrą ir įtartinos veiklos ataskaitų generavimą. (sardine.ai)

Kur „Sardine“ veikia gerai

• Įrenginio ir elgesio žvalgyba
• Paskyros užvaldymo ir botų aptikimas
• Kanalų tapatybės ir operacijų analizė
• Prekybininko ir skaitmeninės komercijos sukčiavimas
• Grafu pagrįsti sukčiavimo tinklo tyrimai
• Taisyklės, sukurtos iš natūralios kalbos aprašymų
• Automatizuoti ginčų ir mokėjimų grąžinimo darbo srautai
• Banko mokėjimo rizika prieš pateikimą ir atsiskaitymą

„Sardine“ praneša apie keletą klientui būdingų rezultatų, įskaitant 95 procentų tikslumą viename registracijos sprendimo naudojimo atveju, 70 procentų sumažėjimą su kortelėmis susijusių mokėjimų grąžinimo nuostolių viename banko diegime ir 0,0003 procento mokėjimų grąžinimo dažnį tame pačiame atvejyje. Ji taip pat praneša, kad vienas diegimas išsprendė 55 procentus įspėjimų per maždaug 30 sekundžių. (sardine.ai)

Etalono vertinimas

„Sardine“ mokėjimų grąžinimo skaičiai yra komerciškai naudingi, tačiau mokėjimų grąžinimo dažnis nėra tas pats, kas atpažįstamumas. Mažesnis mokėjimų grąžinimo dažnis gali atsirasti dėl geresnio aptikimo, didesnio kliento autentifikavimo, griežtesnės patvirtinimo politikos, skirtingo prekybininkų derinio ar atsakomybės pasikeitimo.

Geriausias pasirinkimas: skaitmeniniams bankams, mokėjimo įmonėms, prekyvietėms, kriptovaliutų platformoms ir prekybininkams, kuriems reikia tapatybės, įrenginio, grafų ir operacijų žvalgybos kartu.

Pagrindinė rizika: reikalauti kiekvieno kanalo etalono. Negalima manyti, kad registracijos ar kortelių sukčiavimo rezultatai taikomi automatizuotiems kliringo namų mokėjimams, įgaliotų tiesioginių mokėjimų sukčiavimo schemoms ar pinigų plovimo stebėjimui.

3. Feedzai: Geriausias didelio masto mokėjimų sukčiavimo sprendimams

„Feedzai“ yra brandi įmonių sukčiavimo platforma, orientuota į didelio tūrio, realaus laiko mokėjimo sprendimus. Jos „RiskOps“ platforma apjungia tapatybės, sukčiavimo ir pinigų plovimo kontrolę, o jos tinklo produktai prideda kolektyvinę žvalgybą, nereikalaujant institucijoms dalytis neapdorota asmens identifikavimo informacija.

„Feedzai IQ“ teigia, kad neapdoroti duomenys lieka institucijos aplinkoje, o anonimizuoti rizikos signalai ir apibendrinti modeliai keičiami visame tinkle. „Feedzai“ praneša, kad keturis kartus daugiau sukčiavimo aptikta, 50 procentų mažiau įspėjimų nei taisyklių pagrindu veikiančios sistemos ir 27 procentų padidėjęs mokėjimų priėmimas vartotojams, naudojantiems jos tinklo žvalgybos produktą. (feedzai.com)

Kur „Feedzai“ veikia gerai

• Dideli bankai, mokėjimo procesoriai ir kortelių tinklai
• Realaus laiko daugiakanalių mokėjimų įvertinimas
• Taisyklės ir mašininis mokymasis naudojami kartu
• Tinklo žvalgyba ir grafų vizualizacija
• Paaiškinami priežasčių kodai
• Natūralios kalbos taisyklių kūrimas
• Atvejų tyrimas ir analitikų darbo eiga
• Privatumą tausojanti konsorciumo žvalgyba
• Didelio tūrio modelio diegimas

„Feedzai“ praneša, kad vienas didelis Šiaurės Amerikos bankas pasiekė 75 procentų vidutinį vertės aptikimo rodiklį, esant 0,1 procento intervencijos dažniui, kartu su 12:1 klaidingų teigiamų rezultatų aptikimo dažniu. Ji taip pat praneša apie 73 procentų klaidingų teigiamų rezultatų sumažėjimą ir 62 procentų daugiau aptikto sukčiavimo, palyginti su ankstesniu sprendimu kituose įmonės pavyzdžiuose. (feedzai.com)

„Feedzai“ „Genome“ tyrimo funkcija naudoja vizualinius ryšius tarp klientų, kortelių, operacijų ir kitų subjektų. Viename kliento atvejo tyrime buvo pranešta, kad tyrimas, kuris anksčiau užtruko pusę dienos, galėjo būti baigtas per maždaug dešimt minučių, o konkrečių įspėjimų sukčiavimo aptikimas padidėjo 15 procentų. (feedzai.com)

Poslinkio stebėjimas

„Feedzai“ taip pat paskelbė tyrimą apie automatinį modelio stebėjimą srauto sukčiavimo duomenims. Jos stebėjimo metodas skirtas nustatyti pokyčius, kol etiketės dar nepasiekiamos, ir pateikti paaiškinimus dėl galimos poslinkio priežasties. Tyrimas buvo įvertintas naudojant penkis realaus pasaulio sukčiavimo duomenų rinkinius, kuriuose iš viso buvo daugiau nei 22 milijonai internetinių operacijų. (research.feedzai.com)

Geriausias pasirinkimas: dideliems bankams, procesoriams ir mokėjimo tinklams, kuriems reikia brandžių realaus laiko sprendimų, plataus mokėjimų padengimo ir sudėtingų modelio operacijų.

Pagrindinė rizika: „Feedzai“ turi platų produktų portfelį. Pirkėjai turėtų išbandyti tikslią perkamo sukčiavimo įvertinimo, tyrimo automatizavimo, tinklo žvalgybos ir pinigų plovimo funkcionalumo kombinaciją.

4. ComplyAdvantage Mesh: Geriausias automatizuotiems operacijų stebėjimo pataisymams

„ComplyAdvantage Mesh“ yra stipriausia pinigų plovimo prevencijos, operacijų stebėjimo, klientų tikrinimo, sankcijų tikrinimo ir rizikos žvalgybos srityse. Jos nauja platformos strategija numato agentinius darbo srautus vieningoje atvejų valdymo sistemoje.

Platforma teigia, kad jos sprendimų grandinė gali išspręsti 65–85 procentus klaidingų teigiamų įspėjimų, derindama rizikos įvertinimą, dirbtinio intelekto agentus ir analitikus. Ji taip pat praneša apie daugiau nei 100 operacijų per sekundę su mažesnio nei sekundės atsako laiku ir daugiau nei 3,5 milijardo apdorotų kasdienių pranešimų visoje platformoje. (complyadvantage.com)

Kur „ComplyAdvantage“ veikia gerai

• Taisyklės ir pažangus mašininis mokymasis, veikiantys kartu
• Operacijų stebėjimas ir mokėjimų tikrinimas
• Natūralios kalbos taisyklių kūrimas
• Grafų ir klasterizavimo modeliai
• Automatizuotas įspėjimų taisymas
• Atvejų valdymas ir audito pėdsakai
• Įtartinos veiklos ataskaitų rengimas
• Rizikos žvalgyba, pagrįsta sankcijomis, politiškai pažeidžiamais asmenimis, nepalankia žiniasklaida ir elgesio signalais
• Regioninis duomenų atskyrimas ir įmonės saugumo kontrolė

„ComplyAdvantage“ praneša, kad „PayNearMe“ sumažino analitikų laiką, skirtą operacijų stebėjimui, maždaug 50 procentų. „Paytron“ pranešė apie 20 procentų klaidingų teigiamų rezultatų sumažėjimą ir 75 procentų sumažėjimą po operacijos užklausų. (complyadvantage.com)

Jos viešojoje platformos medžiagoje teigiama, kad klaidingų teigiamų rezultatų sumažinimas siekia iki 82 procentų, tačiau šiuos skaičius reikėtų vertinti kaip pardavėjo praneštus rezultatus, o ne kaip nepriklausomą etaloną. (complyadvantage.com)

Privatumas ir valdymas

„ComplyAdvantage“ teigia, kad „Mesh“ palaiko duomenų šifravimą ramybės būsenoje ir perdavimo metu, geografinį duomenų atskyrimą, vaidmenimis pagrįstas teises, vienkartinį prisijungimą, Tarptautinės standartizacijos organizacijos 27001, „Service Organization Control 2“ ir Bendrajam duomenų apsaugos reglamentui (BDAR) atitinkantį duomenų tvarkymą. Tai naudingos kontrolės priemonės, tačiau pirkėjai vis tiek turi peržiūrėti sutartį, subprocesorius, saugojimo laikotarpius ir modelių mokymo sąlygas. (complyadvantage.com)

Geriausias pasirinkimas: mokėjimo įmonėms ir finansų institucijoms, kurių pagrindinis butelio kakliukas yra pinigų plovimo įspėjimų apimtis ir pataisa, o ne kortelių autorizavimo vėlavimas.

Pagrindinė rizika: atskirai patikrinti sukčiavimo aptikimo tikslumą nuo pinigų plovimo įspėjimų sprendimo našumo.

5. NICE Actimize: Geriausias dideliems bankų tyrimams ir reguliavimo ataskaitoms

„NICE Actimize“ yra įmonės finansinių nusikaltimų platforma, apimanti sukčiavimo prevenciją, pinigų plovimo prevenciją, sankcijas, įtartinos veiklos ataskaitų teikimą, atvejų valdymą ir tyrimo darbo eigas.

Jos platforma praneša, kad ji stebi daugiau nei penkis milijardus operacijų per dieną ir naudoja milisekundžių lygio sukčiavimo aptikimą. Ji taip pat siūlo tinklo analizę, tipologijos pagrindu veikiantį rizikos įvertinimą, integruotus tyrimus ir generatyvinį dirbtinį intelektą atvejų santraukoms ir įtartinos veiklos ataskaitų naratyvams. (info.niceactimize.com)

Kur „NICE Actimize“ veikia gerai

• Didelės ir sudėtingos finansų institucijos
• Daugiakanalės sukčiavimo ir finansinių nusikaltimų programos
• Atvejų valdymas ir tyrimo koordinavimas
• Įtartinos veiklos ataskaitų rengimas
• Tinklo vizualizacija
• Valdymas ir reguliavimo ataskaitų teikimas
• Žmogaus įtraukimo į tyrimo darbo eigas
• Integracija su senesnėmis sistemomis

„NICE“ praneša, kad jos tyrimo galimybės gali sumažinti tyrimo laiką iki 50 procentų ir įtartinos veiklos ataskaitų rengimo laiką iki 70 procentų. Jos „Xceed FraudDesk CoPilot“ praneša apie 80 procentų greitesnį įspėjimų rūšiavimą ir peržiūrą, 60 procentų sumažintą atvejų iki ataskaitų apdorojimo laiką ir 40 procentų mažiau klaidingų teigiamų rezultatų. (resources.niceactimize.com)

Etalono vertinimas

„NICE“ skelbia tvirtus veiklos ir masto teiginius, tačiau mažiau viešų operacijų lygio tikslumo ir atpažįstamumo duomenų. Pirkėjas turėtų prašyti:

• Tikslumo ir atpažįstamumo pagal sukčiavimo tipologiją
• Rezultatų prieš ir po mašininio mokymosi perdangų
• Vertės svertinio atpažįstamumo
• Klaidingų atmetimų dažnio
• Tyrimo laiko pagal atvejo sudėtingumą
• Automatinio sprendimo tikslumo
• Našumo esant dideliam apkrovimui

Geriausias pasirinkimas: dideliems bankams, kuriems reikalingas platus finansinių nusikaltimų padengimas, nusistovėjęs valdymas ir išsamios reguliavimo ataskaitų teikimo galimybės.

Pagrindinė rizika: diegimo sudėtingumas ir galimybė, kad pažangiausios galimybės reikalauja kelių modulių ir plataus integravimo darbo.

6. Hawk: Geriausias paaiškinamam, mažo vėlavimo sukčiavimo ir finansinių nusikaltimų stebėjimui

„Hawk“ daugiausia dėmesio skiria paaiškinamam dirbtiniam intelektui, realaus laiko operacijų stebėjimui, sukčiavimo prevencijai, pinigų plovimo prevencijai, sankcijų patikrai ir sukčiavimo bei finansinių nusikaltimų operacijų sujungimui.

Jos operacijų sukčiavimo platforma praneša apie vidutinį sprendimo priėmimo laiką – 150 milisekundžių ir palaiko automatizuotas kliringo namų, kortelių, čekių, asmeninių, pavedimų ir kitus mokėjimo kanalus. „Hawk“ taip pat propaguoja hibridinį metodą, kai tradicinės taisyklės generuoja išimtis, o mašininis mokymasis įvertina tikimybę, kad įspėjimas yra tikras arba klaidingas teigiamas rezultatas. (hawk.ai)

Kur „Hawk“ veikia gerai

• Paaiškinamas mašininis mokymasis
• Realaus laiko mokėjimų sustabdymas
• Taisyklės ir mašininis mokymasis viename darbo sraute
• Sukčiavimo ir pinigų plovimo sujungimas
• Savitarnos taisyklių valdymas
• Modelių valdymas
• Diegimas kaip programinė įranga kaip paslauga, privatus debesies ar vietoje esanti technologija
• Tyrimo automatizavimas

„Hawk“ praneša apie tris–penkis kartus didesnį tikslumą, 70 procentų mažiau klaidingų įspėjimų, 30 procentų daugiau identifikuotų sukčiaujančių klientų ir 62 procentų pinigų plovimo tyrimo laiko sumažinimą visoje jos paskelbtoje poveikio medžiagoje. (hawk.ai)

Jos 2026 m. tyrimo agentas išplėtė „Hawk“ galimybes už aptikimo ir įspėjimų prioritetų nustatymo ribų, įtraukiant įrodymų rinkimą ir tyrimo palaikymą. (hawk.ai)

Etalono vertinimas

„Hawk“ paaiškinamumo ir vėlavimo pozicionavimas yra įtikinamas, tačiau tikslumo daugiklį sunku įvertinti be pradinio tikslumo, populiacijos, bandymo laikotarpio ir intervencijos dažnio. Pirkėjai turėtų prašyti visos tikslumo-atpažįstamumo kreivės, o ne tik deklaruojamo procentinio pagerėjimo.

Geriausias pasirinkimas: bankams, mokėjimo įmonėms ir finansų institucijoms, kurios teikia pirmenybę paaiškinamumui, greitam diegimui, realaus laiko sustabdymui ir lanksčiam diegimui.

Pagrindinė rizika: patvirtinti, ar tyrimo agentas turi pakankamai sukčiavimo prevencijos galimybių, ar jis visų pirma optimizuotas pinigų plovimo tyrimams.

7. Featurespace: Geriausias adaptyviam elgesio sukčiavimo aptikimui

„Featurespace“ išskiria adaptyvi elgesio analizė ir jos automatizuoti gilūs elgesio tinklai. Užuot pasikliovusi visų pirma žinomais blogais indikatoriais, platforma modeliuoja normalų elgesį ir nustato reikšmingus nukrypimus.

Šis metodas yra naudingas, kai sukčiai imituoja teisėtą veiklą arba kai institucija turi ribotą patvirtintų sukčiavimo etikečių skaičių. „Featurespace“ teigia, kad jos modeliai prisitaiko prie besikeičiančio elgesio ir reikalauja mažiau rankinio perkvalifikavimo, o analitikų sprendimai grįžta į ateities stebėjimą. (staging.www.featurespace.com)

Kur „Featurespace“ veikia gerai

• Kortelių sukčiavimas
• Mokėjimai iš sąskaitos į sąskaitą
• Įgaliotų tiesioginių mokėjimų sukčiavimas
• Paraiškų sukčiavimas
• Sintetinė tapatybė
• Adaptyvus klientų profiliavimas
• Modelių degradacijos mažinimas
• Didelio tūrio realaus laiko operacijų įvertinimas

Vieši klientų įrodymai yra vieni stipriausių sukčiavimo aptikimo srityje. „Central 1“ pranešė apie 79 procentų sukčiavimo aptikimo apimtį, apibūdinamą kaip 51 procentų padidėjimą, palyginti su jos pramonės etalonu, ir 67 procentų sukčiavimo aptikimo vertę, išlaikant 2:1 klaidingų teigiamų rezultatų santykį. (featurespace.com)

„NatWest“ pranešė apie 135 procentų sukčiavimo aptikimo vertės pagerėjimą ir 75 procentų klaidingų teigiamų rezultatų sumažinimą vienoje vėlesnėje atvejo studijos santraukoje. Ankstesnėje medžiagoje buvo pranešta apie 50 procentų padidėjusį aptikto sukčiavimo ir sukčiavimo vertės padidėjimą per 24 valandas nuo diegimo. (featurespace.com)

„Featurespace“ taip pat praneša, kad „TSYS“ kas mėnesį įvertina vieną milijardą operacijų ir kad 77,8 procentų ginčytinų operacijų buvo sukčiavimo atveju vienoje 2025 m. atvejo studijoje. (featurespace.com)

Etalono vertinimas

„Featurespace“ turi tvirtus viešus įrodymus, susijusius su sukčiavimo vertės aptikimu ir adaptyviu elgesio modeliavimu, tačiau mažiau viešų įrodymų, susijusių su autonominiais tyrimo agentais ir pataisomųjų veiksmų rekomendacijomis.

Geriausias pasirinkimas: emitentams, bankams, procesoriams ir mokėjimo paslaugų teikėjams, kuriems didelį susirūpinimą kelia kintantis klientų elgesys ir modelio degradacija.

Pagrindinė rizika: įsitikinkite, kad platformos atvejų valdymo ir tyrimo galimybės atitinka tuos pačius standartus kaip ir jos operacijų įvertinimas.

8. Quantexa: Geriausias grafu pagrįstam subjektų sprendimui ir kontekstiniams tyrimams

„Quantexa“ yra stipriausia, kai sukčiavimo ar finansinio nusikaltimo signalas yra paskirstytas per ryšius, o ne matomas vienoje operacijoje.

Jos platforma sukuria sujungtą klientų ir kontrahentų vaizdą per subjektų sprendimą ir grafų generavimą. Kontekstinis stebėjimas vertina operacijas kartu su ryšiais, nuosavybės struktūromis, istorine veikla ir išorine informacija. „Q Assist“ palaiko tyrimo ir ataskaitų generavimo darbo eigas. (quantexa.com)

Kur „Quantexa“ veikia gerai

• Subjektų sprendimas
• Kontrahentų ir tikrosios nuosavybės analizė
• Pinigų mulo ir plovimo tinklai
• Sudėtingi tyrimai
• Kontekstinis pinigų plovimo prevencijos stebėjimas
• Grafu pagrįstas rizikos prioritetų nustatymas
• Reguliavimo ataskaitų teikimas
• Duomenų unifikavimas per suskaidytas sistemas

„Quantexa“ praneša, kad klaidingų teigiamų rezultatų sumažėjimas siekia iki 75 procentų, tyrimo pastangų sumažėjimas – 50 procentų ar daugiau, o iki 40 procentų rizikų, kurias identifikavo „Quantexa“, buvo praleistos senesnių sistemų. Kitame viešame poveikio puslapyje pranešama apie iki 80 procentų tyrimo laiko sumažėjimą dideliu mastu. (quantexa.com)

Etalono vertinimas

„Quantexa“ paprastai nėra pirmasis pasirinkimas, kai reikia priimti kortelių autorizavimo sprendimą per mažiau nei 100 milisekundžių. Jos vertė dažnai yra didesnė kontekstinės rizikos analizės, tinklo atradimo ir tyrimo pagreitinimo srityse.

Grafu pagrįsti metodai gali būti labai veiksmingi, tačiau pirkėjai turi išbandyti:

• Subjektų sprendimo tikslumą
• Klaidingus ryšius tarp nesusijusių klientų
• Grafų atnaujinimo dažnumą
• Daugiapakopių paieškų vėlavimą
• Grafų savybių paaiškinamumą
• Našumą, kai ryšių duomenys yra neišsamūs

Geriausias pasirinkimas: dideliems bankams ir reguliuojamoms institucijoms, kurių sunkiausiuose atvejuose yra paslėptų ryšių, kontrahentų, mulo tinklų ar suskaidytų duomenų.

Pagrindinė rizika: integravimas ir duomenų pagrindo darbai gali būti dideli, kol grafu pagrįstas samprotavimas duos patikimus rezultatus.

9. Nasdaq Verafin: Geriausias konsorciumu pagrįstoms bendruomenės bankų sukčiavimo operacijoms

„Nasdaq Verafin“ teikia paslaugas bankams ir kredito unijoms sukčiavimo aptikimo, pinigų plovimo prevencijos, sankcijų patikros, didelės rizikos klientų valdymo, informacijos dalijimosi ir tyrimo įrankių srityse. „Nasdaq“ praneša, kad „Verafin“ aptarnauja daugiau nei 2 750 Šiaurės Amerikos finansų institucijų ir naudoja konsorciumo informaciją, pagrįstą tūkstančių institucijų duomenimis. (ir.nasdaq.com)

2025 ir 2026 m. „Nasdaq“ pristatė savo Agentinę dirbtinio intelekto darbo jėgą, įskaitant skaitmeninius sankcijų analitikus, išplėstinio patikrinimo analitikus, agentinį pinigų plovimo prevencijos analitiką ir agentinį sukčiavimo analitiką. Paskelbtas sukčiavimo analitikas iš pradžių orientuojasi į neįprastą automatizuotų kliringo namų veiklą. Platforma palaiko rekomendacijų režimą, kokybės užtikrinimą, konfigūruojamą žmogaus peržiūrą ir planuojamą automatizuotą klaidingų teigiamų įspėjimų sprendimą. (nasdaq.com)

Kur „Verafin“ veikia gerai

• Bendruomenės ir regioninės finansų institucijos
• Konsorciumo žvalgyba
• Automatizuotų kliringo namų, čekių, pavedimų ir indėlių sukčiavimas
• Finansinių nusikaltimų aptikimas ir ataskaitų teikimas
• Subjektų tyrimas
• Informacijos dalijimasis tarp finansų institucijų
• Žmogaus valdomi agentiniai darbo srautai

Etalono vertinimas

„Verafin“ konsorciumo modelis yra strategiškai svarbus, nes nusikaltėlis gali platinti veiklą per daugelį institucijų. Tačiau viešoje medžiagoje nepateikiamas standartizuotas tikslumo, atpažįstamumo, mokėjimų grąžinimo ar analitikų laiko etalonas naujiems agentiniams darbuotojams.

Kai kurios galimybės buvo paskelbtos laipsniškam diegimui 2026 m. antroje pusėje. Pirkėjai turėtų patvirtinti, kurie darbuotojai, tipologijos, automatinio sprendimo kontrolės ir diegimo parinktys yra bendrai prieinamos sutarties sudarymo dieną. (nasdaq.com)

Geriausias pasirinkimas: Šiaurės Amerikos bankams ir kredito unijoms, ieškantiems sektoriui specifinės platformos su konsorciumo žvalgyba ir palaipsniui plečiamu agentiniu automatizavimu.

Pagrindinė rizika: naujausios agentinės funkcijos yra mažiau brandžios nei pagrindinė „Verafin“ sukčiavimo ir pinigų plovimo prevencijos platforma.

10. FICO Platform: Geriausia valdomiems įmonės sprendimams

„FICO“ geriausiai vertinama kaip įmonės sprendimų priėmimo ir modelių valdymo platforma su giliomis sukčiavimo prevencijos galimybėmis, o ne kaip vienas autonominis tyrimo agentas.

„FICO“ sukčiavimo portfelis apima realaus laiko operacijų įvertinimą, sukčiavimo konsorciumo modelius, adaptyvią elgesio analizę, strategijos valdymą, modelių kūrimą, optimizavimą ir paaiškinamumą. „FICO“ taip pat pabrėžė laiko paaiškinimus, kurie identifikuoja atitinkamas praeities operacijas, prisidėjusias prie sprendimo. (investors.fico.com)

Jos 2026 m. investuotojų medžiagoje „FICO Platform“ apibūdinama kaip „agentiška pagal dizainą“, turinti paaiškinamą ir audituojamą dirbtinį intelektą, sukčiavimo konsorciumo modelius, apmokytus milijardais operacijų, ir įrankius sprendimams kurti, testuoti, optimizuoti ir stebėti. (investors.fico.com)

Kur „FICO“ veikia gerai

• Didelės finansų institucijos su vidaus duomenų mokslo komandomis
• Kontroliuojamas sprendimų strategijos kūrimas
• Modelių valdymas ir gyvavimo ciklo valdymas
• Realaus laiko sukčiavimo įvertinimas
• Sukčiavimo konsorciumo žvalgyba
• Visos įmonės masto sprendimų koordinavimas
• Paaiškinamas modelio diegimas
• Integracija su esamomis sprendimų sistemomis

„FICO“ praneša, kad jos tiksliniai finansinių paslaugų modeliai kai kuriuose operacijų analitikos modelių naudojimo atvejuose, įskaitant sukčiavimo aptikimą, gali duoti daugiau nei 35 procentų pagerėjimą. „Velera“ pranešė apie 85 procentų sukčiavimo įspėjimo laiko sumažinimą ir 76 procentų kortelių turėtojų savitarnos efektyvumo padidėjimą po „FICO Platform“ galimybių diegimo. (investors.fico.com)

Geriausias pasirinkimas: didelėms institucijoms, kurios nori plačios duomenų, modelių, strategijų, testavimo ir valdymo kontrolės.

Pagrindinė rizika: organizacijoms gali prireikti didelės vidinės patirties, kad gautų visą platformos vertę.

Grafu pagrįsto samprotavimo palyginimas su taisyklėmis ir mašininiu mokymusi

Tik taisyklėmis pagrįstos sistemos

Stiprybės:

• Labai paaiškinamos
• Greitos ir deterministinės
• Lengvai susiejamos su politika
• Naudingos žinomoms tipologijoms
• Lengva testuoti ir pakartotinai paleisti

Silpnybės:

• Generuoja didelius kiekius klaidingų teigiamų rezultatų
• Gali būti apeinamos mažais elgesio pokyčiais
• Reikalauja nuolatinės taisyklių priežiūros
• Dažnai nesugeba identifikuoti naujų sukčiavimo modelių
• Turi problemų su tarpusavyje susijusiomis paskyromis

Taisyklės turėtų išlikti architektūros dalimi, nes jos užtikrina apsaugas ir aiškią kontrolę. Jos neturėtų būti visa aptikimo strategija.

Taisyklių ir mašininio mokymosi hibridai

Hibridinės sistemos paprastai užtikrina geriausią operacinį kompromisą. Taisyklės tvarko griežtus apribojimus ir žinomas rizikas, o mašininis mokymasis tvarko:

• Elgesio nukrypimus
• Klientui būdingus modelius
• Bendraamžių grupių anomalijas
• Rizikos reitingavimą
• Klaidingų teigiamų rezultatų sumažinimą
• Dinaminį prioritetų nustatymą
• Atsirandantį elgesį

„Featurespace“, „Hawk“, „Feedzai“, „Unit21“, „ComplyAdvantage“, „FICO“ ir kelios kitos platformos naudoja šio hibridinio modelio variacijas. „Hawk“ aiškiai aprašo dviejų etapų procesą, kai taisyklės generuoja išimtis, o mašininis mokymasis įvertina, ar tos išimtys greičiausiai yra tikros, ar klaidingos teigiamos. (insights.hawk.ai)

Grafu pagrįstas samprotavimas

Grafų metodai yra stipriausi, kai įrodymai yra paskirstyti per subjektus ir laiką. Jie gali identifikuoti:

• Bendrus įrenginius per paskyras
• Pakartotinai naudojamus telefono numerius
• Bendrus gavėjus
• Pinigų judėjimo išplėtimą ir susiaurėjimą
• Spartų tranzito elgesį
• Koordinuotą prekybininkų veiklą
• Sintetinės tapatybės klasterius
• Mulo tinklus
• Slaptą susitarimą

Grafų modelis gali pagerinti organizuoto sukčiavimo aptikimą, tuo pačiu sumažinant poreikį tirti izoliuotus įspėjimus. Tačiau grafų sistemos įveda papildomus reikalavimus:

• Aukštos kokybės subjektų sprendimą
• Dažnus grafų atnaujinimus
• Ryšių privatumo kontrolę
• Daugiapakopio vėlavimo valdymą
• Apsaugą nuo neteisingų ryšių
• Aiškius rizikos signalą sukėlusio kelio paaiškinimus

2024 m. grafu pagrįstas kredito kortelių sukčiavimo tyrimas pranešė apie 0,82 tikslumą ir 0,92 atpažįstamumą, tačiau šie skaičiai gauti iš specifinio tyrimo duomenų rinkinio ir eksperimentinės sąrankos. Jie neturėtų būti tiesiogiai lyginami su pardavėjų atvejo studijomis ar gamybos mokėjimų grąžinimo dažniais. (sciencedirect.com)

Agentinis tyrimas

Agentai yra vertingiausi, kai signalas jau sukurtas. Jie gali sumažinti laiko sąnaudas įrodymų rinkimui ir pasakojimų rengimui, tačiau jų nereikėtų laikyti sukalibruoto sukčiavimo modelio pakaitalu.

Rekomenduojama architektūra yra:

1. Sinchroninės taisyklės ir mašininis mokymasis operacijos sprendimui
2. Greitos grafų savybės tiesioginei ryšio rizikai
3. Asinchroninis grafų tyrinėjimas gilesniam tyrimui
4. Tyrimo agentas įrodymų rinkimui ir bylos parengimui
5. Politikos kontroliuojama pataisa
6. Žmogaus patvirtinimas neatšaukiamiems ar didelės vertės veiksmams

Paaiškinamumas reguliavimo institucijų peržiūroms

„Paaiškinamasis dirbtinis intelektas“ gali reikšti kelis skirtingus dalykus. Pirkėjai turėtų atskirti:

1. Priežasčių kodus Pavyzdžiai: neįprasta suma, naujas įrenginys, didelis greitis arba rizikingas kontrahentas.

2. Savybių priskyrimą Sistema rodo, kurie kintamieji labiausiai prisidėjo prie balo.

3. Įrodymais pagrįstą samprotavimą Sistema susieja sprendimą su faktinėmis operacijomis, įrenginiais, sąskaitomis ir išoriniais įrašais.

4. Politikos samprotavimą Sistema paaiškina, kokia taisyklė, politika, slenkstis ar rizikos apetito nustatymas buvo taikytas.

5. Agento samprotavimus ir įrankių istoriją Audito takas fiksuoja, kokius šaltinius agentas konsultavosi, ką gavo, ką išsiaiškino ir kokį veiksmą rekomendavo.

Reguliavimo institucijai vien tik natūralios kalbos santraukos nepakanka. Audito paketas turėtų apimti:

• Operacijų ir klientų duomenis, naudotus sprendimo priėmimo metu
• Modelio versiją
• Taisyklių ir politikos versiją
• Savybių vertes
• Balą ir slenkstį
• Priežasčių kodus
• Naudotus grafų ryšius
• Išorinius duomenų šaltinius
• Agento raginimus ar užduočių instrukcijas
• Gautus įrodymus
• Įrankių iškvietimus
• Žmogaus viršijimus
• Galutinį veiksmą
• Laiko žymę
• Duomenų kilmę
• Pokyčius, atliktus po pradinio sprendimo
• Atkuriamą pakartotinio paleidimo procedūrą

Federalinio rezervo patikslintos 2026 m. modelio rizikos gairės pabrėžia rezultatų analizę, nuolatinį stebėjimą, dokumentavimą ir pardavėjų produktų patvirtinimą. Jose taip pat teigiama, kad institucijos išlieka atsakingos už pardavėjų modelių, jų apribojimų, kūrimo duomenų ir našumo supratimą. Gairės neįtraukia generatyvinių ir agentinių modelių iš savo oficialios taikymo srities, tačiau teigia, kad organizacijos vis tiek turėtų nustatyti tinkamą valdymą ir kontrolę įrankiams, kuriems šios gairės netaikomos. (federalreserve.gov)

Mokėjimo kortelių pramonės saugumo standartų taryba (PCI SSC) taip pat rekomenduoja registruoti ir stebėti dirbtinio intelekto veiksmus, nustatyti atsakingą asmenį ir išsaugoti pakankamai informacijos, kad būtų galima audituoti raginimus ir samprotavimų procesus, jei įmanoma. (blog.pcisecuritystandards.org)

Naudingas principas yra:

Tikėtinas paaiškinimas nėra įrodymas, kad sprendimas buvo teisingas.

2026 m. paskelbtame tyrime teigiama, kad tyrimo agento argumentų kokybė turi būti vertinama atskirai nuo pagrindinio sukčiavimo sprendimo kokybės. (arxiv.org)

Sukčiavimo aptikimo padidėjimo palyginimas su mokėjimų grąžinimu

Sukčiavimo aptikimo padidėjimas ir mokėjimų grąžinimo sumažinimas yra susiję, bet skirtingi.

Sukčiavimo aptikimo padidėjimas

Naudingas rodiklis yra:

Sukčiavimo aptikimo padidėjimas = aptiktas sukčiavimas po diegimo minus aptiktas sukčiavimas prieš diegimą, padalytas iš aptikto sukčiavimo prieš diegimą

Tai turėtų būti apskaičiuota atskirai, atsižvelgiant į:

• Operacijų skaičių
• Sukčiavimo vertę
• Patvirtintą neteisėtą sukčiavimą
• Įgaliotų tiesioginių mokėjimų sukčiavimą
• Paskyros užvaldymą
• Sukčiavimą be kortelės
• Pirmosios šalies sukčiavimą
• Sintetinę tapatybę
• Prekybininko sukčiavimą
• Pinigų mulo veiklą

Mokėjimų grąžinimo dažnis

Mokėjimų grąžinimo dažnis turėtų būti apskaičiuojamas taip:

Mokėjimų grąžinimo skaičius padalytas iš atsiskaitytų operacijų

Taip pat išmatuoti:

• Mokėjimų grąžinimo vertę
• Mokėjimų grąžinimo bazinius punktus
• Reprezentavimo sėkmės rodiklį
• Klientų ginčų dažnį
• Su sukčiavimu susijusius mokėjimų grąžinimus prieš su paslaugomis susijusius ginčus
• Laiką nuo operacijos iki mokėjimo grąžinimo
• Mokėjimų grąžinimo atgavimo sąnaudas
• Klientų skundus
• Klaidingus atmetimus
• Patvirtinimo dažnį

Platforma gali sumažinti mokėjimų grąžinimus, atmesdama daugiau operacijų, tačiau tai gali pakenkti pajamoms. Atvirkščiai, platforma gali padidinti patvirtinimus, sumažindama sukčiavimo vertę per geresnį taikymą.

Todėl tinkamas verslo rodiklis nėra „mažiausias mokėjimų grąžinimo dažnis“. Jis yra:

Maksimali sukčiavimo vertė, užkirsta ir atgauta, esant priimtinai klaidingų atmetimų, patvirtinimo, klientų trinties ir veiklos sąnaudų.

Vėlavimas didžiausio apkrovimo metu

Pardavėjų vėlavimo teiginiai nėra tiesiogiai palyginami. Teiginys gali reikšti:

• Vidutinį vėlavimą
• Medianos vėlavimą
• 95-o percentilio vėlavimą
• 99-o percentilio vėlavimą
• Tik modelio vėlavimą
• Nuo galo iki galo vėlavimą
• Šiltojo cache našumą
• Vieną mokėjimo kanalą
• Testavimo aplinką, o ne gamybos aplinką

Vieši pavyzdžiai apima „Unit21“ teiginį apie sprendimų priėmimą per mažiau nei 250 milisekundžių, „Hawk“ 150 milisekundžių vidutinį operacijų sukčiavimo sprendimą, „ComplyAdvantage“ teiginius apie mažesnį nei sekundės atsako laiką ir daugiau nei 100 operacijų per sekundę bei „NICE Actimize“ milisekundžių lygio rinkodaros kalbą. (unit21.ai)

Rimtas našumo testas turėtų matuoti:

• Medianos vėlavimą
• 95-o percentilio vėlavimą
• 99-o percentilio vėlavimą
• Maksimalų tvarų pralaidumą
• Didžiausią momentinį pralaidumą
• Šaltojo paleidimo vėlavimą
• Priklausomybių laiko viršijimo elgesį
• Eilės augimą
• Atviro gedimo ir uždaro gedimo elgesį
• Vėlavimą pagal mokėjimo kanalą
• Vėlavimą su grafų praturtinimu
• Vėlavimą su konsorciumo paieškomis
• Vėlavimą modelio atnaujinimų metu
• Regioninio perjungimo našumą

Tyrimo agentas paprastai turėtų būti už kritinio mokėjimo kelio. Mokėjimas neturėtų laukti atvirojo kodo žvalgybos paieškos, didelio grafų perėjimo ar generatyvinio pasakojimo. Operacijos sprendimas turėtų būti priimtas greitai, o gilesnis tyrimas turėtų vykti asinchroniškai.

Duomenų privatumas ir saugumas

Sukčiavimo prevencijos sistemos apdoroja itin jautrią informaciją, įskaitant finansines operacijas, sąskaitų ryšius, įrenginio duomenis, tapatybės įrašus ir elgesio modelius.

Jungtinėse Valstijose Gramm-Leach-Bliley įstatymas reikalauja, kad apdraustos finansų institucijos paaiškintų dalijimosi informacija praktiką ir apsaugotų jautrią klientų informaciją. Federalinės prekybos komisijos Apsaugos taisyklė (Safeguards Rule) taip pat nustato įsipareigojimus apdraustoms institucijoms ir reikalauja atkreipti dėmesį į paslaugų teikėjus, tvarkančius klientų duomenis. (ftc.gov)

Bendrasis duomenų apsaugos reglamentas (BDAR) nustato papildomus apribojimus sprendimams, priimtiems tik automatizuoto apdorojimo pagrindu, kai tie sprendimai turi teisines ar panašias reikšmingas pasekmes. Jis taip pat reikalauja tinkamų apsaugos priemonių, įskaitant teisę į žmogaus įsikišimą atitinkamomis aplinkybėmis. (eur-lex.europa.eu)

Mokėjimo kortelių pramonės duomenų saugumo standartas (PCI DSS) taikomas subjektams, kurie saugo, apdoroja ar perduoda kortelių turėtojų duomenis. Mokėjimo kortelių pramonės saugumo standartų taryba (PCI SSC) rekomenduoja tokenizaciją, segmentavimą, šifravimą, prieigos kontrolę, registravimą ir atsakingą žmogaus priežiūrą dirbtinio intelekto sistemoms, naudojamoms mokėjimo aplinkose. (pcisecuritystandards.org)

Privatumo klausimai, kuriuos reikia užduoti kiekvienam pardavėjui

1. Ar klientų duomenys mokomi bendro modelio?
2. Ar klientas gali atsisakyti modelio mokymo?
3. Ar asmens identifikavimo informacija pašalinama ar tokenizuojama?
4. Ar mokėjimo kortelių numeriai pakeičiami tokenais?
5. Kur duomenys saugomi ir apdorojami?
6. Ar duomenys gali likti pasirinktame geografiniame regione?
7. Ar konsorciumo signalai yra anonimizuoti?
8. Ar neapdoroti klientų įrašai dalijami su kitomis institucijomis?
9. Koks yra saugojimo laikotarpis?
10. Ar duomenys gali būti ištrinti nutraukus sutartį?
11. Kokie subprocesoriai gauna duomenis?
12. Ar didelių kalbos modelių raginimai išsaugomi?
13. Ar tyrimo agentas gali pasiekti išorines svetaines?
14. Ar agento įrankiai apriboti pagal vaidmenį ir politiką?
15. Ar bylų įrašai šifruojami ramybės būsenoje ir perdavimo metu?
16. Ar institucija gali audituoti kiekvieną duomenų prieigą?
17. Ar galimi privataus debesies ar vietinio diegimo variantai?

„Feedzai“ aprašo federacinį metodą, kai neapdoroti klientų duomenys lieka lokaliai, o anonimizuoti signalai keičiami. „ComplyAdvantage“ aprašo geografinį atskyrimą ir įmonės saugumo kontrolę. „Hawk“ reklamuoja programinės įrangos kaip paslaugos (SaaS), privataus debesies ir vietinio diegimo galimybes. „Unit21“ pirkėjų gairės pabrėžia duomenų izoliavimą, šifravimą, regioninį talpinimą, modelio mokymo apribojimus, atsiliepimų kontrolę ir kokybės užtikrinimą. (feedzai.com)

Tai naudingi projektavimo pasirinkimai, tačiau nė vienas automatiškai neįrodo teisinės atitikties. Institucija išlieka atsakinga už savo duomenų apdorojimo susitarimus, privatumo pranešimus, rizikos vertinimą ir trečiųjų šalių priežiūrą.

Modelių poslinkio stebėjimas

Sukčiavimas yra varžybinis. Kai kontrolės priemonė tampa veiksminga, nusikaltėliai keičia įrenginius, sumas, prekybininkus, gavėjus, mokėjimo laiką, tapatybės informaciją ar operacijų kelius.

Modelio stebėjimo programa turėtų sekti:

Duomenų poslinkis

• Operacijų sumų pokyčiai
• Naujos prekybininkų kategorijos
• Naujos šalys ar regionai
• Įrenginių ir naršyklių pokyčiai
• Trūkstami arba uždelsti laukai
• Nauji mokėjimo kanalai
• Klientų sudėties pokyčiai
• Kontrahentų sudėties pokyčiai

Prognozės poslinkis

• Balų pasiskirstymas
• Įspėjimų apimtis
• Atmetimų apimtis
• Peržiūrų apimtis
• Automatinio sprendimo dažnis
• Slenksčio stabilumas
• Kalibravimas

Rezultatų poslinkis

• Tikslumas po etikečių subrendimo
• Atpažįstamumas
• Sukčiavimo vertės užfiksavimas
• Mokėjimų grąžinimo dažnis
• Klaidingi atmetimai
• Klientų skundai
• Ginčų rezultatai
• Analitikų peržiūros
• Įtartinos veiklos ataskaitos konvertavimas

Operacinis poslinkis

• Tyrimo laikas
• Eilės amžius
• Analitiko prisilietimų skaičius vienam atvejui
• Įrodymų gavimo nesėkmės
• Agento įrankio klaidos
• Haliucinuoti ar nepagrįsti teiginiai
• Taisyklių pakeitimai
• Modelio versijos pakeitimai
• Duomenų šaltinių sutrikimai

Federalinio rezervo 2026 m. gairės rekomenduoja nuolatinį stebėjimą ir rezultatų analizę, siekiant nustatyti, ar modeliai išlieka tikslūs, tinkami paskirčiai ir patikimi, keičiantis produktams, klientams, rizikoms ir rinkos sąlygoms. (federalreserve.gov)

„Featurespace“ pabrėžia adaptyvius elgesio modelius, skirtus sumažinti rankinį perkvalifikavimą. „Feedzai“ paskelbė tyrimą apie srautinio poslinkio aptikimą, kol etiketės dar nepasiekiamos. „Unit21“ teikia šešėlio, patvirtinimo ir smėlio dėžės režimus naujos sukčiavimo logikos testavimui. „ComplyAdvantage“ teikia taisyklių našumo metrikas, tokias kaip pataikymo dažniai ir klaidingų teigiamų tendencijos. „Hawk“ propaguoja modelių gyvavimo ciklo valdymą ir automatinį modelių valdymą. (staging.www.featurespace.com)

Ypač svarbi kontrolė yra uždelsto žymėjimo stebėjimas. Mokėjimų grąžinimo ir patvirtinto sukčiavimo žymės gali atsirasti praėjus savaitėms ar mėnesiams po pradinio sprendimo. Organizacijos neturėtų laukti galutinių sukčiavimo žymių, prieš stebėdamos staigius įvesties pasiskirstymo, įspėjimų modelių ar klientų elgesio pokyčius.

Rekomenduojama pirkėjo įvertinimo kortelė

Praktinis vertinimas gali priskirti svorius taip:

Reikalauti, kad kiekvienas pardavėjas atliktų tą patį vertinimą:

1. Pateikti istorinę operacijų imtį su patvirtintais rezultatais.
2. Naudoti chronologinį, o ne atsitiktinį testavimo padalijimą.
3. Atlikti tylų gamybos pakartotinį paleidimą.
4. Palyginti su dabartinėmis taisyklėmis ir modeliais.
5. Išmatuoti tikslumą esant faktiniam peržiūros dažniui.
6. Išmatuoti atpažįstamumą esant faktiniam atmetimo dažniui.
7. Pranešti apie užfiksuotą sukčiavimo vertę.
8. Pranešti apie mokėjimų grąžinimo ir klaidingų atmetimų poveikį.
9. Išmatuoti medianos, 95-o percentilio ir 99-o percentilio vėlavimą.
10. Išmatuoti analitikų minutes vienam įspėjimui ir vienam atvejui.
11. Išbandyti didžiausią srautą ir priklausomybės gedimą.
12. Peržiūrėti paaiškinimus su sukčiavimo analitikais ir atitikties pareigūnais.
13. Išbandyti modelio poslinkį įvairiose šalyse, produktuose, prekybininkuose ir mokėjimo kanaluose.
14. Audituoti agento rekomendacijas pagal pirminius įrodymus.
15. Bandomojo projekto metu didelės vertės veiksmus palikti žmogaus peržiūros režimu.

Rinkos spragos ir geresnis sprendimas, kurį reikia sukurti

Didžiausia rinkos spraga nėra dar vienas sukčiavimo balas. Tai yra standartizuota, įrodymais pagrįsta sukčiavimo operacijų platforma, kuri leidžia išmatuoti pardavėjų teiginius ir atkurti reguliavimo peržiūras.

Stipresnis sprendimas apimtų šiuos dalykus.

1. Dviejų greičių architektūra

• Mažiau nei 100 milisekundžių sinchroninis operacijos sprendimas
• Asinchroninis grafų plėtimas ir tyrimas
• Atskiros agentų aplinkos tyrimams ir pataisymams
• Jokios didelio kalbos modelio priklausomybės mokėjimo autorizavimo kelyje

2. Universalus vertinimo paketas

Platforma turėtų automatiškai apskaičiuoti:

• Tikslumą
• Atpažįstamumą
• Tikslumą, esant fiksuotiems peržiūros dažniams
• Atpažįstamumą, esant fiksuotiems atmetimo dažniams
• Sukčiavimo vertės užfiksavimą
• Mokėjimų grąžinimo dažnį
• Klaidingų atmetimų dažnį
• Patvirtinimo dažnį
• Sutaupytą analitikų laiką
• Atvejo sprendimo laiką
• 95-o ir 99-o percentilio vėlavimą
• Poslinkį pagal segmentą ir tipologiją

Tai leistų institucijoms lyginti pardavėjus naudojant tuos pačius apibrėžimus.

3. Reguliavimo institucijų pakartotinio paleidimo paketai

Kiekvienam esminiam sprendimui sistema turėtų išsaugoti:

• Įvesties duomenis
• Modelio versiją
• Taisyklių versiją
• Grafų versiją
• Balą
• Slenkstį
• Priežasčių kodus
• Įrodymus
• Agento veiksmus
• Žmogaus viršijimus
• Galutinį sprendimą
• Atkuriamas pakartotinio paleidimo instrukcijas

4. Privatumą tausojanti tinklo žvalgyba

Būsimas konsorciumas turėtų palaikyti:

• Federacinį mokymąsi
• Saugius daugiapartinius skaičiavimus
• Tokenizuotus identifikatorius
• Diferencialinį privatumą, kur tinkama
• Regioninį apdorojimą
• Institucijos kontroliuojamą duomenų saugojimą
• Skaidrų konsorciumo valdymą

5. Saugios pataisos koordinavimas

Agentai turėtų rekomenduoti ir vykdyti veiksmus pagal konfigūruojamus rizikos lygius:

• Mažos rizikos klaidingi teigiami rezultatai gali būti automatiškai uždaryti
• Vidutinės rizikos atvejams gali prireikti analitiko patvirtinimo
• Didelės vertės mokėjimams gali prireikti dvigubo patvirtinimo
• Sąskaitų uždarymui gali prireikti žmogaus sprendimo
• Taisyklių pakeitimams reikėtų testavimo ir versijos kontrolės
• Reguliavimo dokumentams reikėtų atsakingo žmogaus patvirtinimo

6. Įrodymų kokybės įvertinimas

Sistema turėtų įvertinti ne tik sukčiavimo sprendimą, bet ir jį pagrindžiančių įrodymų kokybę:

• Ar visi teiginiai susieti su šaltinio įrašais?
• Ar agentas naudojo pasenusią informaciją?
• Ar jis praleido prieštaringus įrodymus?
• Ar jis supainiojo susijusį subjektą su objektu?
• Ar jis rekomendavo veiksmą, nepaisant politikos?
• Ar kitas tyrėjas gali atkurti išvadą?

Tai padėtų išvengti išpuoselėtų, bet nepagrįstų tyrimo naratyvų.

Išvada

Geriausi sukčiavimo aptikimo ir operacijų stebėjimo agentai nėra tiesiog pokalbių robotai, prijungti prie įspėjimų eilių. Tai yra daugiasluoksnės rizikos sistemos, apjungiančios realaus laiko taisykles, mašininį mokymąsi, elgesio analizę, grafų žvalgybą, tyrimo automatizavimą, paaiškinamumą ir kontroliuojamą pataisą.

Daugumai institucijų stipriausia tikslinė architektūra yra:

1. Taisyklės aiškioms politikos kontrolėms
2. Mašininis mokymasis elgesio rizikos įvertinimui
3. Grafų analizė susijusiam sukčiavimui ir finansiniams nusikaltimams
4. Tyrimo agentai įrodymų rinkimui
5. Žmogaus patvirtinimas esminiams veiksmams
6. Nuolatinis poslinkio, vėlavimo, privatumo ir rezultatų kokybės stebėjimas

„Unit21“ ir „Sardine“ yra ypač patrauklios agentinėms sukčiavimo operacijoms ir skaitmeninėms finansinėms paslaugoms. „Feedzai“ ir „Featurespace“ turi tvirtų įrodymų didelio masto mokėjimų sukčiavimo aptikimo srityje. „ComplyAdvantage“ ir „NICE Actimize“ yra stiprūs pasirinkimai operacijų stebėjimui, tyrimams ir reguliavimo ataskaitoms. „Hawk“ išsiskiria paaiškinamais realaus laiko sprendimais. „Quantexa“ ypač stipri grafu pagrįstuose kontekstiniuose tyrimuose. „Nasdaq Verafin“ gerai pozicionuota konsorciumu pagrįstoms Šiaurės Amerikos finansinių nusikaltimų operacijoms, o „FICO“ yra stiprus pasirinkimas institucijoms, kurios nori gilios sprendimų priėmimo ir modelio valdymo kontrolės.

Lemiamas pirkimo kriterijus neturėtų būti įspūdingiausia dirbtinio intelekto demonstracija. Tai turėtų būti tai, ar platforma gali pademonstruoti, remiantis institucijos pačios duomenimis ir gamybos mastu:

• Didesnį sukčiavimo atpažįstamumą
• Geresnį tikslumą
• Daugiau užfiksuotos sukčiavimo vertės
• Mažiau mokėjimų grąžinimų be per didelių atmetimų
• Mažiau analitikų laiko
• Patikimą vėlavimą didžiausios apkrovos metu
• Apginamus paaiškinimus
• Stiprias privatumo kontrolės priemones
• Išmatuojamą atsparumą modelio poslinkiui