Beschleunigen und verbessern Sie die Erkennung von Kreditkartenbetrug
Zielgruppe
Banken und Finanzinstitute, Versicherungen, Händler
Herausforderung
Betrüger stehlen Millionen von Kreditkartennummern durch Malware, Spyware und Kartenskimming und verkaufen teilweise Kartendaten auf illegalen Websites. Traditionelle Erkennungsmethoden konnten kompromittierte Karten nicht schnell genug identifizieren, und Banken hatten nur begrenzte Möglichkeiten, vorherzusagen, welche Karten vor einem Betrugsfall gefährdet waren.
Lösungsansatz
Mastercard entwickelte Decision Intelligence Pro, trainiert mit Daten von 125 Milliarden jährlichen Transaktionen. Das System analysiert Transaktionsdaten, um Betrugsmuster zu erkennen, und setzt generative KI ein, um aus partiellen Informationen aus Dark-Market-Auktionen vollständige 16-stellige Kartennummern vorherzusagen. Dadurch können verdächtige Karten präventiv gesperrt werden.
Mehrwert
Die Technologie verdoppelte die Erkennungsrate kompromittierter Karten, reduzierte falsche Positivfälle um bis zu 200 % und beschleunigte die Identifizierung gefährdeter Händler um 300 %. Das System trifft Entscheidungen in nur 50 Millisekunden. Mastercards Consumer Fraud Risk-Lösung verringerte den Wert von UK APP-Betrug um 12 % seit dem Start im Jahr 2023.
Diesen Use Case anwenden
Die Betrugserkennung erfordert umfangreiches Expertenwissen, um betrügerische von gültigen Anfragen zu unterscheiden. Die Herausforderung besteht darin, dieses Wissen in ein KI-Modell zu übertragen, um Entscheidungen zu automatisieren. Fragen, die Sie sich als Einstieg stellen sollten:
- •Welche Daten möchten Sie prüfen, und welche Quellen nutzen Sie?
- •Wie unterscheiden Menschen betrügerische von gültigen Fällen?
- •Welche Kosten entstehen durch falsche Entscheidungen?
- •Wie können Sie die schwierigsten Fälle identifizieren, die von Menschen geprüft werden müssen?
- •Wie können Sie die einfachen Standardfälle erkennen, die von einer KI geprüft werden können?
Möchten Sie KI-basierte Entscheidungsfindung auf Ihren eigenen Daten und Geschäftsprozessen nutzen? Nehmen Sie Kontakt mit mir auf und vereinbaren Sie einen kostenlosen 30-minütigen Machbarkeits-Call.
Referenzen
Mastercard
Read more here: https://newsroom.mastercard.com/news/press/2024/may/mastercard-accelerates-card-fraud-detection-with-generative-ai-technology/
Image credentials: CardMapr.nl/ Unsplash
Weitere interessante Use Cases
Landwirte sparen 59% der Herbizide durch Computer Vision
Das See & Spray-System von John Deere nutzt Computer Vision und Deep Learning, um in Echtzeit Unkraut von Nutzpflanzen zu unterscheiden. Dadurch wird der gezielte Einsatz von Herbiziden ermöglicht, was den Chemikalieneinsatz deutlich reduziert.
Unbemerkte Fehlbestände in Filialen erkennen
Target entwickelte ein proprietäres Inventory-Ledger-System mit Ensemble-Maschinellern-Learning-Modellen, um 'unbekannte Fehlbestände' zu erkennen und automatisch zu korrigieren – Situationen, in denen Inventarsysteme annehmen, dass Produkte vorrätig sind, die Regale aber tatsächlich leer sind.
AI-Video eines Familienbetriebs erreicht 22 Millionen Aufrufe
Ein familiengeführter Laden erstellte ein 46 Sekunden langes, von KI generiertes Meme-Video, das in drei Wochen 22 Millionen Aufrufe und 1,2 Millionen Likes erreichte.