5 प्रकार के ई-कॉमर्स फ्रॉड जिनका आर्टिफिशियल इंटेलिजेंस पता लगा सकता है

  

पिछले एक साल में महामारी के कारण इंटरनेट पर किए गए आर्थिक लेन-देन में वृद्धि हुई है। हालांकि, स्वास्थ्य संकट से पहले ही इनमें लगभग 23% की वार्षिक वृद्धि का अनुभव हुआ है, जो दर्शाता है कि कैसे इलेक्ट्रॉनिक कॉमर्स व्यवसायों के लिए आवश्यक बिक्री चैनलों में से एक के रूप में समेकित हो गया है।

यह भूले बिना कि ऑनलाइन चैनल कंपनियों के मुनाफे में सुधार के लिए महत्वपूर्ण है, यह जोखिम भी उठाता है और इंटरनेट के माध्यम से धोखाधड़ी हाल के वर्षों में तेजी से बढ़ी है, "कंपनियों को अपनी पहचान प्रणाली में सुधार करने के लिए मजबूर किया और उपयोगकर्ताओं को सोशल इंजीनियरिंग हमलों के प्रति अधिक सतर्क रहने के लिए मजबूर किया। फ़िशिंग या फ़ार्मिंग के रूप में ”, बिग डेटा के क्षेत्र में समय श्रृंखला डेटा के विश्लेषण के लिए एक स्पेनिश मंच, शेपलेट्स से समझाया गया है।

इसे देखते हुए, कंपनी बताती है कि आर्टिफिशियल इंटेलिजेंस (एआई) धोखाधड़ी का पता लगाने के लिए ईकॉमर्स का सबसे अच्छा सहयोगी बन गया है क्योंकि इससे व्यवसायों के लिए संभावित घोटालों की पहचान करना आसान हो जाता है, जैसे कि नीचे सूचीबद्ध, शेपलेट्स जैसे पैटर्न में बदलाव के लिए धन्यवाद:

आम घोटाले। आर्टिफिशियल इंटेलिजेंस पिछले लेनदेन से सीखता है जो धोखाधड़ी वाले थे और जो प्रत्येक कंपनी के डेटाबेस में दिखाई देते हैं। इस प्रकार, इस ऐतिहासिक डेटाबेस के लिए धन्यवाद, इलेक्ट्रॉनिक व्यवसाय एक ऐसी प्रणाली का निर्माण कर सकते हैं जो पहले से ज्ञात पैटर्न को सीखती है और पहचानती है ताकि पता लगाया जा सके कि लेनदेन धोखाधड़ी है या नहीं। ये मेट्रिक्स इस संभावना की भविष्यवाणी करने के लिए भी काम करेंगे कि एक नया लेनदेन धोखाधड़ी है।

नए घोटाले। जब घोटाला नया होता है और धोखाधड़ी की चेतावनी देने वाले पिछले पैटर्न नहीं होते हैं, तो आर्टिफिशियल इंटेलिजेंस, इस मामले में, विसंगतियों का पता लगाने पर ध्यान केंद्रित करता है। उदाहरण के लिए, वास्तविक समय में असामान्य लेनदेन की पहचान करना जो सचेत करेगा कि हम संदिग्ध गतिविधि का सामना कर रहे हैं। एआई द्वारा विषम के रूप में पहचाने गए लेन-देन को मानव ऑपरेटर द्वारा मान्य किया जा सकता है या सीधे अवरुद्ध किया जा सकता है, जो एल्गोरिदम और / या लेनदेन की मात्रा के विश्वास की डिग्री पर निर्भर करता है। इस तरह, यह वैध लेनदेन के अवरोध को कम करके अधिक सुरक्षा प्रदान करने का प्रयास करता है।
आम और नए घोटालों का संयोजन। इस मामले में, आर्टिफिशियल इंटेलिजेंस ऐतिहासिक धोखाधड़ी डेटाबेस और खोजे गए नए परिवर्तनों दोनों को ध्यान में रखता है। इस प्रकार, एआई व्यवहार के पैटर्न में बदलाव के रूप में सीखेगा, संभावित धोखाधड़ी का पता लगाने में सुधार करेगा क्योंकि यह धीरे-धीरे उन पैटर्नों को शामिल करेगा जो नए घोटालों को अपने मॉडल में पहचानने की अनुमति देते हैं।

कपटपूर्ण चार्जबैक का पता लगाना। जब ग्राहक कार्ड लेनदेन को चुनौती देता है और अपने बैंक से धनवापसी का अनुरोध करता है क्योंकि वे शुल्क को नहीं पहचानते हैं या क्योंकि उन्होंने उत्पाद वापस कर दिया है, तो चार्जबैक होता है। हालांकि, यह कार्रवाई एक धोखाधड़ी हो सकती है, क्योंकि कभी-कभी ग्राहक उत्पाद प्राप्त करने के बावजूद इन शुल्क-वापसी करता है, जिससे व्यापार को स्पष्ट नुकसान होता है। इसे देखते हुए, आर्टिफिशियल इंटेलिजेंस ग्राहक के पिछले अनुभव का उपयोग इलेक्ट्रॉनिक कॉमर्स को सचेत करने के लिए कर सकता है कि वे संभावित जोखिम गतिविधि का सामना कर रहे हैं।

कार्ड धोखाधड़ी। ऐसे में हम बात कर रहे हैं क्रेडिट कार्ड क्लोनिंग या सूचना चोरी की। आमतौर पर, क्लोन कार्ड से की गई खरीदारी उन देशों से आती है जहां धारक नहीं रहता है, इसलिए आर्टिफिशियल इंटेलिजेंस संभावित धोखाधड़ी और जानकारी की चोरी की चेतावनी देने के लिए इस पैटर्न का पता लगा सकता है।

 

अंत में, शेपलेट्स से वे इकट्ठा करते हैं कि आर्टिफिशियल इंटेलिजेंस कंपनियों के लिए धन्यवाद, न केवल बड़ी मात्रा में डेटा की प्रसंस्करण क्षमता में वृद्धि होती है, बल्कि मशीन सीखने के प्रदर्शन में भी उत्तरोत्तर सुधार होता है, जो उन्हें भविष्यवाणियां करने की अनुमति देता है जो संभावित धोखाधड़ी का अधिक तेज़ी से पता लगाता है, आसानी से और कुशलता से मौजूदा डेटा की ऐतिहासिक समय श्रृंखला के लिए धन्यवाद।