مقاله « Fraud Detection: How Machine Learning Systems Help Reveal Scams in Fintech, Healthcare, and eCommerce» که در 22 دسامبر 2017 منتشر شده به نقش یادگیری ماشین در کشف تقلب در صنایع فین‌تک، مراقبت سلامت، بیمه و تجارت الکترونیک می‌پردازد.
این مقاله ابتدا عملکرد سیستم‌های مبتنی‌بر یادگیری ماشین را با سیستم‌های مبتنی‌بر قاعده در تشخیص تقلب مقایسه می‌کند و مزیت‌های سیستم‌های یادگیری ماشین را برمی‌شمرد. از جمله مزیت‌های این سیستم‌ها می‌توان به کشف همبستگی‌های مخفی و مبهم داده‌ها، تشخیص خودکار سناریوهای تقلب، کاهش تعداد تمهیدات احراز هویت و پردازش لحظه‌ای اشاره کرد.
این مقاله در ادامه کاربرد یادگیری ماشین در تشخیص تقلب در بیمه، مراقبت سلامت، تجارت الکترونیک و بانکداری را تشریح می‌کند و از جمله به نحوه استفاده از یادگیری ماشین برای مقابله با مطالبات جعلی در بیمه، سرقت هویت در تجارت الکترونیکی، تقلب در درخواست‌های وام و پولشویی می‌پردازد.
در ادامه سیستم‌های متداول و پیشرفته تشخیص تقلب معرفی می‌شوند. نویسنده در بحث سیستم‌های متداول به الگوریتم‌های تشخیص ناهنجاری می‌پردازد که می‌توانند ابزار پشتیبان خوبی برای سیستم‌های مبتنی‌بر قاعده موجود باشند. اما سیستم‌ها و رویکردهای پیشرفته‌تری هم وجود دارند که با ترکیب چند الگوریتم یادگیری ماشین از عدم قطعیت در تشخیص تقلب می‌کاهند.
نویسنده در پایان به این موضوع اشاره می‌کند که سیستم‌های ضدتقلب کنونی باید از استانداردهای زیر پیروی کنند:
- تقلب را در لحظه شناسایی کنند.
- اعتبار داده‌ها را بهبود بخشن.
- رفتار کاربر را تحلیل کنند.
- همبستگی‌های پنهان را کشف کنند.
منبع: