Visit Sponsor

Yazı: • 12:22• Fintek

JPMorgan Kart Dolandırıcılığını Tespit İçin Yeni Yapay Zeka Modeli Geliştirdi

JPMorgan, kart dolandırıcılığı ve diğer ödeme kararlarında kullanılmak üzere Large Payments Model adlı yeni yapay zeka modelini geliştirdi.

JPMorgan araştırmacıları, kart dolandırıcılığı ve diğer ödeme kararlarında kullanılmak üzere Large Payments Model adlı yeni bir yapay zeka modeli geliştirdi. Model, yapılandırılmış ödeme kayıtlarından öğrenerek şüpheli işlemleri sıralama, ödeme ağı yanıtlarını tahmin etme ve başarısız ödemelerin yeniden denenmesini değerlendirme gibi farklı görevlerde kullanılabiliyor.

11 Kasım’da yayımlanan araştırmada modelin kart dolandırıcılığı testinde, işlem geçmişini kullanan versiyonunun karşılaştırılan modele göre ortalama kesinlik metriğinde yüzde 85,5 daha yüksek sonuç verdiği belirtiliyor. Bu oran, yakalanan dolandırıcılık vakalarının yüzde 85,5 arttığı anlamına gelmiyor; modelin şüpheli işlemleri doğru sıralama performansındaki iyileşmeyi gösteriyor.

Kart dolandırıcılığı aynı modelle izleniyor

Large Payments Model, tek bir dolandırıcılık senaryosu için geliştirilen dar bir model yerine ödeme verisinden genel temsil öğrenen bir yapı sunuyor.

Araştırmacılar modeli kart dolandırıcılığının yanı sıra ACH fraud, ödeme yetkilendirme tahmini, ödeme ağı yanıtı ve yeniden deneme kararları gibi farklı alanlarda test etti.

Bu yaklaşım, bankaların her görev için ayrı model geliştirmek yerine ortak bir ödeme modeli üzerinden farklı karar süreçlerini yönetebilmesine imkan sağlayabilir.

Yüzde 85,5 hangi metriği ifade ediyor?

Araştırmadaki en dikkat çekici rakamlardan biri yüzde 85,5.

Ancak bu oranı doğru okumak önemli.

Çalışmada kart dolandırıcılığı için kullanılan işlem geçmişi destekli model, karşılaştırılan görev-özel modele göre average precision metriğinde yüzde 85,5 iyileşme gösterdi.

Average precision, modelin şüpheli işlemleri ne kadar isabetli biçimde sıraladığını ölçen metriklerden biri.

Araştırma aynı zamanda ACH fraud tarafında yüzde 27,4 ve başarısız ödeme retry tahmininde yüzde 22,8 iyileşme raporluyor.

Tek model farklı ödeme kararlarını destekliyor

JPMorgan’ın çalışmasını sektörel açıdan ilginç yapan nokta, fraud tespitinin daha geniş bir ödeme modeli içinde ele alınması.

Bugün bankalarda kart fraud, ACH fraud, ödeme yetkilendirme ve retry gibi süreçler çoğu zaman ayrı sistemler ve modeller üzerinden yürütülüyor.

Large Payments Model ise bu görevlerin ortak işlem geçmişinden öğrenen aynı temel model üzerinde çalışabileceğini gösteriyor.

Bu yapı model geliştirme ve bakım süreçlerini sadeleştirebilir, aynı zamanda farklı ödeme sistemlerindeki sinyallerin birlikte değerlendirilmesine imkan sağlayabilir.

Model üretim ortamında da kullanılıyor

Araştırmaya göre Large Payments Model yalnız laboratuvar çalışması olarak kalmıyor.

JPMorgan modeli üretim ortamında kullanıyor ve sistem her gün milyonlarca işlemi işliyor.

Araştırmacılar, taleplerin yüzde 99’unun 60 milisaniye içinde tamamlandığını belirtiyor.

Bu veri, modelin yalnız doğruluk tarafında değil, gerçek zamanlı ödeme kararlarında kullanılabilecek hız seviyesinde tasarlandığını gösteriyor.

Kart dolandırıcılığında asıl rekabet artık yalnız daha fazla kural yazmak üzerinden ilerlemiyor.

Bankalar, ödeme geçmişinden daha geniş örüntüler öğrenen modellerle hangi işlemin riskli olduğunu çok daha erken aşamada belirlemeye çalışıyor.

JPMorgan’ın yaklaşımında öne çıkan taraf ise aynı modelin kart fraud, ACH fraud, retry ve ödeme ağı yanıtı gibi farklı süreçlerde kullanılabilmesi.

Bu yapı yaygınlaşırsa bankaların fraud ve ödeme operasyonlarında kullandığı AI mimarisi daha merkezi hale gelebilir.

Türkiye açısından da bu yaklaşım önemli. Kartlı ödemelerin yoğun kullanıldığı bir pazarda, fraud modellerinin yalnız tek işlem sinyaline değil, daha geniş işlem geçmişine bakması bankalar ve ödeme kuruluşları için güçlü bir kullanım alanı yaratabilir.

↑
Kapat