ഓൺലൈൻ ബാങ്കിംഗ് തട്ടിപ്പുകൾ തടയാൻ എഐ; സംശയാസ്പദമായ ഇടപാടുകൾ ബാങ്കുകൾ കണ്ടെത്തുന്നത് ഇങ്ങനെ
ADVERTISEMENT
● ഉപഭോക്താവിന്റെ സാധാരണ ഇടപാട് രീതികളിൽ നിന്ന് വ്യതിചലിക്കുന്നവ എഐ എളുപ്പം തിരിച്ചറിയുന്നു
● ഇടപാട് മൂല്യം, ഉപകരണം, സ്ഥലം, സമയം എന്നിവ ഒരേസമയം നിരീക്ഷിക്കുന്ന സംവിധാനങ്ങൾ സജീവം
● അസാധാരണമായ ഇടപാടുകളെ തട്ടിപ്പായി കണക്കാക്കുന്നതിന് പകരം റിസ്ക് സ്കോറിംഗ് ഉപയോഗിക്കുന്നു
● സ്കോർ പരിധി കടന്നാൽ ബാങ്കുകൾക്ക് കൂടുതൽ പരിശോധനകളും സുരക്ഷാ നടപടികളും സ്വീകരിക്കാം
കൊച്ചി: (KVARTHA) ഡിജിറ്റൽ പേയ്മെന്റുകൾ ബാങ്കിംഗ് രംഗം കൂടുതൽ വേഗമേറിയതും സൗകര്യപ്രദവുമാക്കിയിട്ടുണ്ട്. എന്നാൽ ഇതേ വേഗത തട്ടിപ്പുകാർക്കും പുതിയ അവസരങ്ങൾ സൃഷ്ടിച്ചു. സംശയാസ്പദമായ ഒരു ഇടപാട് നിമിഷങ്ങൾക്കുള്ളിൽ സംഭവിക്കാം, ഇത് തടയാൻ ബാങ്കുകൾക്ക് വളരെ കുറച്ച് സമയം മാത്രമേ ലഭിക്കൂ.
ഇത്തരം സാഹചര്യങ്ങളിൽ ഇടപാടുകൾ നടക്കുമ്പോൾ തന്നെ അവ വിശകലനം ചെയ്യാനും ഉപഭോക്താവിൻ്റെ സാധാരണ രീതിക്ക് നിരക്കാത്ത പ്രവർത്തനങ്ങൾ കണ്ടെത്താനും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസും മെഷീൻ ലേണിംഗും കൂടുതലായി ഉപയോഗിച്ചുവരികയാണ്. അപകടസാധ്യതകൾ വിലയിരുത്താനും കൂടുതൽ പരിശോധനകൾ നടത്താനും തട്ടിപ്പുകളോട് വേഗത്തിൽ പ്രതികരിക്കാനും ഈ സാങ്കേതികവിദ്യകൾ ബാങ്കുകളെ സഹായിക്കുന്നു.
മികച്ച തട്ടിപ്പ് കണ്ടെത്തൽ സംവിധാനം
നെറ്റ് ബാങ്കിംഗ്, മൊബൈൽ ബാങ്കിംഗ്, യുപിഐ, മറ്റ് ഡിജിറ്റൽ പേയ്മെന്റ് സേവനങ്ങൾ എന്നിവ ദൈനംദിന സാമ്പത്തിക ഇടപാടുകളുടെ ഭാഗമായിക്കഴിഞ്ഞു. ഉപഭോക്താക്കൾക്ക് ബാങ്ക് ശാഖ സന്ദർശിക്കാതെ തന്നെ പണം ട്രാൻസ്ഫർ ചെയ്യാനും ബില്ലുകൾ അടയ്ക്കാനും സാധനങ്ങൾ വാങ്ങാനും കഴിയും. ഈ സൗകര്യം സാമ്പത്തിക തട്ടിപ്പുകളുടെ സ്വഭാവവും മാറ്റിമറിച്ചു.
ഉപഭോക്താക്കളെയും അവരുടെ അക്കൗണ്ടുകളെയും ലക്ഷ്യം വെക്കാൻ തട്ടിപ്പുകാർ ഫിഷിംഗ് ശ്രമങ്ങൾ, വ്യാജ ലിങ്കുകൾ തുടങ്ങിയ വിവിധ സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കുന്നു. ഡിജിറ്റൽ ഇടപാടുകളുടെ എണ്ണം വളരെ കൂടുതലായതിനാൽ ഓരോ പേയ്മെന്റും പ്രത്യേകം പരിശോധിക്കാൻ സാധാരണ രീതിയിലുള്ള പരിശോധനകൾക്ക് കഴിയില്ല. ഇവിടെയാണ് ഓട്ടോമേറ്റഡ് തട്ടിപ്പ് കണ്ടെത്തൽ സംവിധാനങ്ങൾ പ്രധാനമാകുന്നത്.
എഐയും മെഷീൻ ലേണിംഗും പ്രവർത്തിക്കുന്നത് എങ്ങനെ
ഒരു ഇടപാടുമായി ബന്ധപ്പെട്ട വിവരങ്ങൾ വിശകലനം ചെയ്യാനും അത് വ്യക്തിയുടെ സാധാരണ രീതികളുമായി പൊരുത്തപ്പെടുന്നുണ്ടോ എന്ന് നിർണയിക്കാനും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന് കഴിയും. പഴയ ഇടപാടുകളുടെ രീതികളിൽ നിന്നും മുൻപ് കണ്ടെത്തിയ തട്ടിപ്പ് മാതൃകകളിൽ നിന്നും വിവരങ്ങൾ ശേഖരിച്ച് മെഷീൻ ലേണിംഗ് ഇതിന് കൂടുതൽ കരുത്ത് പകരുന്നു.
ഉദാഹരണത്തിന്, സാധാരണയായി 2,000 മുതൽ 5,000 രൂപ വരെ ഓൺലൈൻ പേയ്മെന്റുകൾ നടത്തുന്ന ഒരു ഉപഭോക്താവിനെ പരിഗണിക്കുക. അപരിചിതമായ ഒരു ഉപകരണത്തിൽ നിന്നോ അസാധാരണമായ ഒരു സ്ഥലത്ത് നിന്നോ പെട്ടെന്ന് രണ്ട് ലക്ഷം രൂപയുടെ ഒരു ഇടപാട് നടക്കുന്നത് ആ വ്യക്തിയുടെ സാധാരണ രീതികളിൽ നിന്ന് വ്യത്യസ്തമായിരിക്കും. ഇതിനർത്ഥം ആ ഇടപാട് തട്ടിപ്പാണെന്നല്ല. മറിച്ച്, ഇത്തരം മാറ്റങ്ങൾ സിസ്റ്റത്തെ ഉയർന്ന റിസ്ക് ലെവലായി കണക്കാക്കാനും കൂടുതൽ പരിശോധനകൾക്ക് പ്രേരിപ്പിക്കാനും സഹായിക്കും.
ഇടപാട് സമയത്ത് ബാങ്കുകൾ നിരീക്ഷിക്കുന്നത്
തട്ടിപ്പ് കണ്ടെത്തൽ സംവിധാനങ്ങൾ കൈമാറുന്ന തുക മാത്രം നോക്കുന്നതിന് പകരം നിരവധി കാര്യങ്ങൾ ഒരേസമയം പരിശോധിക്കുന്നു. ഇടപാട് മൂല്യം, ഉപഭോക്താവിൻ്റെ മുൻകാല ചെലവാക്കൽ രീതി, അക്കൗണ്ട് ഉപയോഗിക്കാൻ ഉപയോഗിച്ച ഉപകരണം, ഇടപാടുമായി ബന്ധപ്പെട്ട സ്ഥലം, അത് നടക്കുന്ന സമയം എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.
സിസ്റ്റത്തിന് വിശാലമായ അക്കൗണ്ട് പ്രവർത്തനങ്ങളും മുൻകാല ഇടപാട് ചരിത്രവും പരിഗണിക്കാം. ഡിജിറ്റൽ പേയ്മെന്റുകൾ നടക്കുമ്പോൾ തന്നെ ഇടപാടുകൾ വിശകലനം ചെയ്യാനുള്ള കഴിവാണ് എഐ അടിസ്ഥാനമാക്കിയുള്ള സംവിധാനങ്ങളുടെ പ്രധാന നേട്ടങ്ങളിലൊന്ന്. അസാധാരണമായ എന്തെങ്കിലും ശ്രദ്ധയിൽപ്പെട്ടാൽ, സിസ്റ്റത്തിന് അത് കൂടുതൽ പരിശോധനയ്ക്കായി മാറ്റിവെക്കാം.
റിസ്ക് സ്കോറുകളും മ്യൂൾ അക്കൗണ്ടുകളും
അസാധാരണമായ എല്ലാ ഇടപാടുകളും തട്ടിപ്പാകണമെന്നില്ല. ആളുകൾ യാത്ര ചെയ്യുകയോ വിലകൂടിയ സാധനങ്ങൾ വാങ്ങുകയോ പുതിയ ഉപകരണം ഉപയോഗിക്കുകയോ ചെയ്തേക്കാം. അതിനാൽ, എഐ സംവിധാനങ്ങൾ ഓരോ മാറ്റത്തെയും തട്ടിപ്പായി കണക്കാക്കുന്നതിന് പകരം റിസ്ക് സ്കോറിംഗ് ഉപയോഗിക്കുന്നു. സ്കോർ ഒരു നിശ്ചിത പരിധി കടന്നാൽ ബാങ്കിന് കൂടുതൽ പരിശോധനകളോ മറ്റ് സുരക്ഷാ നടപടികളോ ആരംഭിക്കാം.
തട്ടിപ്പിലൂടെ ലഭിക്കുന്ന ഫണ്ടുകൾ ചിലപ്പോൾ മ്യൂൾ അക്കൗണ്ടുകൾ എന്നറിയപ്പെടുന്ന അക്കൗണ്ടുകളിലൂടെ മാറ്റാറുണ്ട്. മ്യൂൾഹണ്ടർ എഐ പോലുള്ള പ്രത്യേക സാങ്കേതികവിദ്യകൾ സംശയാസ്പദമായ അക്കൗണ്ടുകളും ഫണ്ട് നീക്കങ്ങളുമായി ബന്ധപ്പെട്ട പാറ്റേണുകൾ തിരിച്ചറിയാൻ സഹായിക്കുന്ന തരത്തിലാണ് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. എല്ലാ ഓൺലൈൻ ബാങ്കിംഗ് തട്ടിപ്പുകളും എഐക്ക് തടയാനാകില്ലെങ്കിലും, സുരക്ഷാ ചട്ടക്കൂടിന്റെ ഭാഗമായി ഉപഭോക്താക്കളുടെ ജാഗ്രതയും അത്യന്താപേക്ഷിതമാണ്.
ഈ സാങ്കേതിക വാർത്ത നിങ്ങളുടെ സുഹൃത്തുക്കൾക്കും വാട്സാപ്പ് ഗ്രൂപ്പുകളിലും ഷെയർ ചെയ്യുക. പുതിയ വാർത്തകളും വിശേഷങ്ങളും അറിയാൻ ഞങ്ങളുടെ വാട്സാപ്പ് ചാനലും ഫേസ്ബുക്ക് പേജും ഫോളോ ചെയ്യുക. നിങ്ങളുടെ അഭിപ്രായങ്ങൾ ഫേസ്ബുക് പോസ്റ്റിന് താഴെ കമൻ്റായി രേഖപ്പെടുത്താം
Article Summary: Banks are increasingly utilizing Artificial Intelligence and Machine Learning to monitor digital payments in real-time, helping to detect and prevent suspicious transactions and online banking frauds effectively.
#Kvartha #ArtificialIntelligence #BankingFraud #OnlineScam #CyberSecurity #DigitalBanking #MachineLearning #MalayalamNews #AmmuNews
