تواجه البنوك تحديات متعددة عندما يتعلق الأمر بالكشف عن الاحتيال المالي. فمن جهة، نجد عمليات الاحتيال التقليدية مثل هجمات عدم وجود بطاقة (card-not-present) والاستيلاء على الحسابات، ومن جهة أخرى، تطفو على السطح جرائم مالية سلوكية معقدة مثل غسل الأموال باستخدام الشبكات الوهمية. هذا التحدي يتطلب استراتيجيات مبتكرة تفوق الحدود التقليدية للكشف.

في هذا الإطار، قدم الباحثون نموذجاً مبتكراً يعرف بـ "عميل الأمان الذكي"، الذي يجمع بين عدة مكونات تقنية في هيكل ثلاثي التشغيل. حيث يعمل على تحليل تدفقات الأحداث المتوازية: الأولى تتعلق بمعاملات الفساد مثل عمليات الاحتيال بالبطاقات، والثانية تتعلق بتعطيل الحسابات واستغلالها.

يستخدم هذا النموذج تقنية الشبكات العصبية الطويلة القصيرة الأمد (LSTM) لتجميع تاريخ سلوكي لكل حساب، مع وجود مراقبة إحصائية لرصد السرعات والحدود، بالإضافة إلى نموذج شبكة علاقات يحتفظ بأنماط التعامل بين الحسابات لضمان كشف غسل الأموال.

التجارب التي أُجريت على سجل أحداث اصطناعي يحتوي على 237,669 معاملة و113,508 جلسات عبر 13 فئة تهديد مختلفة أظهرت نتائج مشجعة؛ حيث حقق النموذج أداءً مذهلاً بمعدل F1 يصل إلى 0.787 لتدفقات المعاملات و0.867 لتدفقات الجلسات. هذا يُظهر تفوق النموذج مقارنة بالنماذج التقليدية.

علاوة على ذلك، يتضمن العميل الذكي أيضاً شات بوت للتحقق من المعاملات بمعدل نجاح مرتفع يصل إلى 96.6%، مما يعزز من أمان العمليات المالية ويساعد في الحفاظ على ثقة العملاء. إن الاستجابة الآلية للتهديدات تتم في زمن استجابة قصير لا يتجاوز 0.43 مللي ثانية في النسبة المئوية 95.

إن هذا الابتكار ليس مجرد خطوة مهمة في اتجاه تعزيز أمان البنوك، بل هو دليل على استمرار تطور الذكاء الاصطناعي في المجالات المالية. ما رأيكم في هذا التطور؟ هل تعتقدون أنه سيحدث تحولاً في طريقة تعاملنا مع الخدمات المصرفية؟ شاركونا في التعليقات.