![2758613-64-1-Week1 Introduction to BD (Part 2/2)](https://i.ytimg.com/vi/zqMOGH1DUTE/hqdefault.jpg)
เนื้อหา
- การฉ้อโกงและธนาคาร
- การเรียนรู้ของเครื่องใน Hadoop สามารถป้องกันการฉ้อโกงได้อย่างไร?
- เครื่องมือสำหรับป้องกันการฉ้อโกงของธนาคาร
- ข้อเสียของการเรียนรู้ของเครื่อง
- ข้อสรุป
ที่มา: Ajv123ajv / Dreamstime.com
Takeaway:
การตรวจจับการฉ้อโกงเป็นสิ่งที่สำคัญอันดับต้น ๆ ในอุตสาหกรรมการธนาคาร แต่ด้วยการเพิ่มเครื่องมือที่ทันสมัยเช่น Hadoop และการเรียนรู้ของเครื่องมันจะแม่นยำมากขึ้นกว่าเดิม
การตรวจจับและป้องกันการฉ้อโกงเป็นความเจ็บปวดที่แท้จริงสำหรับอุตสาหกรรมการธนาคาร อุตสาหกรรมใช้จ่ายเงินหลายล้านเทคโนโลยีเพื่อลดการฉ้อโกง แต่กลไกปัจจุบันส่วนใหญ่อิงจากข้อมูลประวัติแบบคงที่ และอาศัยการจับคู่รูปแบบและลายเซ็นจากข้อมูลในอดีตดังนั้นการฉ้อโกงครั้งแรกจึงยากที่จะตรวจจับและอาจทำให้สูญเสียทางการเงินได้มาก ทางออกเดียวคือการใช้กลไกตามข้อมูลในอดีตและเรียลไทม์ นี่คือจุดที่แพลตฟอร์ม Hadoop และการเรียนรู้ของเครื่องเข้ามามีบทบาท
การฉ้อโกงและธนาคาร
ธนาคารมีความเสี่ยงที่จะถูกหลอกลวงเนื่องจากการฉ้อโกงเป็นสาเหตุหลักของการสูญเสียเงิน การประเมินชี้ให้เห็นว่ามีการสูญเสียเงินมากกว่า 1.7 ล้านล้านดอลลาร์ทุกปีเนื่องจากการฉ้อโกงทางธนาคาร เพื่อป้องกันสิ่งนี้ธนาคารใช้เงินจำนวนมากในการป้องกันการฉ้อโกง อย่างไรก็ตามพวกเขาไม่ได้ใช้จ่ายมากในการป้องกันตัวเอง ดังนั้นเทคโนโลยีปัจจุบันที่ธนาคารในปัจจุบันติดตั้งไม่ได้มีประสิทธิภาพเพียงพอ อย่างไรก็ตามข้อมูลขนาดใหญ่และการเรียนรู้ของเครื่องสามารถช่วยปรับปรุงระบบปัจจุบันและลดการฉ้อโกงให้อยู่ในระดับที่ต่ำตลอดเวลา
แนวทางการตรวจจับการทุจริตในปัจจุบันมีข้อ จำกัด ดังต่อไปนี้:
ในกรณีของวิธีการป้องกันการฉ้อโกงในปัจจุบันจำเป็นต้องปรับปรุงอัลกอริทึมให้เหมาะสมตามอินสแตนซ์ล่าสุดของการฉ้อโกง อย่างไรก็ตามบ่อยครั้งที่โมเดลเหล่านี้ได้รับการอัปเดตเป็นประจำทุกปีเพราะค่าใช้จ่ายและเวลาที่ต้องการมีจำนวนมาก นอกจากนี้ยังยากมากที่จะได้รับอัลกอริธึมที่แม่นยำและใช้งานได้ ดังนั้นหากอัลกอริทึมไม่ได้รับการอัปเดตเป็นประจำการฉ้อโกงสามารถไปโดยไม่มีใครสังเกตจนกว่าจะมีการใช้อัลกอริทึมที่ใหม่กว่าซึ่งอาจใช้เวลาหลายเดือนหรือหลายปีต่อมา
คุณไม่สามารถพัฒนาทักษะการเขียนโปรแกรมของคุณเมื่อไม่มีใครใส่ใจคุณภาพของซอฟต์แวร์
การเรียนรู้ของเครื่องใน Hadoop สามารถป้องกันการฉ้อโกงได้อย่างไร?
การประมวลผลข้อมูลจำนวนมากที่ใช้อย่างแม่นยำเป็นงานที่ต้องทำ แต่ด้วยการกำเนิดของข้อมูลขนาดใหญ่จึงมีการสร้างแอปพลิเคชั่นประมวลผลข้อมูลที่เร็วขึ้นและมีประสิทธิภาพมากขึ้น หนึ่งในแอพพลิเคชั่นที่ทรงพลังที่สุดคือแพลตฟอร์ม Hadoop Hadoop นั้นทรงพลังอย่างมากเนื่องจากคุณสมบัติ MapR ซึ่งช่วยให้สามารถประมวลผลข้อมูลจำนวนมากได้อย่างง่ายดายแบบเรียลไทม์และราคาถูกมาก
เนื่องจาก Hadoop สามารถประมวลผลข้อมูลจำนวนมากได้อย่างง่ายดายในครั้งเดียวจึงสามารถใช้ในการประมวลผลบันทึกการทำธุรกรรมและลายเซ็นเก่าทั้งหมดทั้งหมดและสร้างแบบจำลองทางคณิตศาสตร์ที่แม่นยำที่สุด รายละเอียดการทำธุรกรรมเหล่านี้ยังสามารถใช้ในการแยกลายเซ็นซึ่งจะช่วยให้ธนาคารสามารถสกัดกั้นการฉ้อโกงครั้งแรก อย่างไรก็ตามคำถามที่เกิดขึ้นในขณะนี้คือเครื่องมือใดที่สามารถใช้สำหรับการประมวลผลข้อมูลและการคิดขั้นตอนวิธีที่สมบูรณ์แบบ
เครื่องมือสำหรับป้องกันการฉ้อโกงของธนาคาร
ด้วยการเพิ่มขึ้นของการฉ้อโกงธนาคารแอปพลิเคชันการจัดการการฉ้อโกงที่ดีนั้นเป็นที่ต้องการของชั่วโมง หนึ่งในเครื่องมือเหล่านี้คือ Skytree Skytree เป็นแพลตฟอร์มการเรียนรู้ของเครื่องพิเศษที่สัญญาว่าจะให้ความแม่นยำและประสิทธิภาพสูงแม้ว่าปัญหาจะประมวลผลข้อมูลธุรกรรมธนาคารขนาดใหญ่ก็ตาม มันขึ้นอยู่กับกลุ่มข้อมูล MapR ประเภท Hadoop ซึ่งช่วยให้มั่นใจว่าการประมวลผลข้อมูลขนาดใหญ่ในเวลาจริง นอกจากนี้ยังสามารถใช้ขั้นตอนการเรียนรู้ของเครื่องที่หลากหลายรวมถึงวิธีการดูแลและไม่ดูแล ด้วยกระบวนการเรียนรู้ด้วยเครื่องจักรที่มีประสิทธิภาพเช่นนี้ Skytree จึงสามารถหยุดการทำธุรกรรมที่ฉ้อโกงด้วยความช่วยเหลือของโมเดลขั้นสูงและแม้แต่หยุดการฉ้อโกงครั้งแรกบนพื้นฐานของความสามารถในการสกัดกั้นธุรกรรมที่น่าสงสัย Skytree สามารถเลือกข้อมูลที่ดีที่สุดโดยอัตโนมัติและใช้มันเพื่อสร้างแบบจำลองที่มีความแม่นยำสูง สามารถวิเคราะห์ข้อมูลจำนวนมากได้ง่ายเช่นกันดังนั้นจึงง่ายต่อการอัปเดตโมเดลปัจจุบันด้วยความช่วยเหลือ
ข้อเสียของการเรียนรู้ของเครื่อง
การเรียนรู้ของเครื่องอาจเป็นวิธีที่มีประสิทธิภาพมากสำหรับการตรวจจับการฉ้อโกง แต่มันก็เป็นความท้าทายที่สำคัญเช่นกัน แนวคิดนี้เกี่ยวข้องโดยตรงกับปัญญาประดิษฐ์ ความจริงที่ว่าเครื่องของเราจะทำการตัดสินใจสำหรับเราอาจเพิ่มความหมายทางศีลธรรม อย่างไรก็ตามไม่จำเป็นต้องกังวลเนื่องจากแอปพลิเคชันจะทำงานให้กับเราและจะทำการตัดสินใจที่ดีที่สุดเมื่อดูแลโดยพนักงานมนุษย์ มั่นใจได้ว่าการเรียนรู้ของเครื่องจะผลิตเทคนิคการป้องกันการฉ้อโกงที่ชาญฉลาดและจะช่วยป้องกันการสูญเสียเงินในอนาคต
ข้อสรุป
แอปพลิเคชั่นการจัดการการฉ้อโกงที่ดีที่สุดจะต้องมีประสิทธิภาพรวดเร็วและแม่นยำและต้องปรับให้เข้ากับสถานการณ์ที่หลากหลาย เพื่อให้บรรลุเป้าหมายนี้แอปพลิเคชันจะต้องสามารถแก้ไขรายละเอียดการทำธุรกรรมและลายเซ็นขณะที่ปรับปรุงฐานข้อมูลด้วยประเภทการฉ้อโกงใหม่ล่าสุด มีเพียงแพลตฟอร์มที่ใช้ Hadoop เท่านั้นที่สามารถทำได้เนื่องจากแพลตฟอร์มที่ใช้ Hadoop นั้นเป็นแอปพลิเคชั่นการเรียนรู้ด้วยเครื่องจักรที่รวดเร็วมากซึ่งสามารถรองรับอัลกอริทึมการเรียนรู้ของเครื่องได้หลากหลายชนิด นอกจากนี้แพลตฟอร์มที่ใช้ Hadoop ก็มีความแม่นยำเช่นกันดังนั้นพวกเขาจึงสามารถหยุดยั้งการฉ้อโกงจำนวนมากได้อย่างง่ายดายเนื่องจากพวกเขาสามารถตรวจจับการฉ้อโกงในแบบเรียลไทม์ ซึ่งหมายความว่าหากแอปพลิเคชันการเรียนรู้ของเครื่องโดยเฉพาะนั้นอยู่ข้างๆธนาคารธนาคารนั้นมีอำนาจที่จะต่อต้านการฉ้อโกงได้เกือบ!