Искусственный интеллект NVIDIA помогает бороться с мошенничеством во многих секторах

Традиционные методы обнаружения мошенничества включают системы на основе правил, статистическое моделирование и ручные проверки. Эти методы с трудом масштабируются для растущего объема мошенничества в цифровую эпоху без ущерба для скорости и точности. Например, системы на основе правил часто имеют высокие показатели ложноположительных результатов, статистическое моделирование может быть трудоемким и ресурсоемким, а ручные проверки не могут масштабироваться достаточно быстро.

Компании, которые интегрируют надежные инструменты обнаружения мошенничества на основе ИИ , добились повышения точности обнаружения мошенничества до 40%, что помогло сократить финансовый и репутационный ущерб для учреждений. Эти технологии предлагают надежную инфраструктуру и решения для анализа огромных объемов транзакционных данных и могут быстро и эффективно распознавать схемы мошенничества и выявлять ненормальное поведение.

Решения по обнаружению мошенничества на основе ИИ обеспечивают более высокую точность обнаружения, рассматривая всю картину, а не отдельные транзакции, выявляя схемы мошенничества, которые традиционные методы могут упустить из виду. ИИ также может помочь сократить количество ложных срабатываний, используя качественные данные для предоставления контекста о том, что представляет собой законная транзакция. И, что важно, ИИ и ускоренные вычисления обеспечивают лучшую масштабируемость, способную обрабатывать огромные сети данных для обнаружения мошенничества в режиме реального времени.

Как финансовые учреждения используют ИИ для обнаружения мошенничества
Финансовые услуги и банковское дело находятся на передовой борьбы с мошенничеством, таким как кража личных данных, захват счетов, ложные или незаконные транзакции и мошенничество с чеками. Ожидается, что финансовые потери во всем мире от мошенничества с транзакциями по кредитным картам достигнут 43 миллиардов долларов к 2026 году. ИИ помогает повысить безопасность и решить проблему эскалации случаев мошенничества.

Банки и другие финансовые учреждения могут использовать технологии NVIDIA для борьбы с мошенничеством. Например, NVIDIA RAPIDS Accelerator для Apache Spark обеспечивает более быструю обработку данных для обработки огромных объемов транзакционных данных. Банки и финансовые учреждения также могут использовать новый рабочий процесс NVIDIA AI для обнаружения мошенничества, используя инструменты AI, такие как XGBoost и графовые нейронные сети (GNN) с NVIDIA RAPIDS, NVIDIA Triton и NVIDIA Morpheus, для обнаружения мошенничества и сокращения ложных срабатываний.

BNY Mellon повысил точность обнаружения мошенничества на 20% с помощью систем NVIDIA DGX. PayPal повысил точность обнаружения мошенничества в реальном времени на 10%, работая на основе вывода на базе графических процессоров NVIDIA, при этом снизив емкость сервера почти в 8 раз. А Swedbank обучил генеративно-состязательные сети на графических процессорах NVIDIA для обнаружения подозрительной активности.

Федеральные агентства США борются с мошенничеством с помощью ИИ
Счетная палата США оценивает, что правительство теряет до 521 млрд долларов в год из-за мошенничества, основываясь на анализе финансовых лет с 2018 по 2022. Налоговое мошенничество, мошенничество с чеками и неправомерные выплаты подрядчикам, в дополнение к неправомерным выплатам по программам социального обеспечения и Medicare, стали огромным бременем для государственных финансов. Хотя часть этого мошенничества была раздута недавней пандемией, поиск новых способов борьбы с мошенничеством стал стратегическим императивом. Таким образом, федеральные агентства обратились к ИИ и ускоренным вычислениям, чтобы улучшить обнаружение мошенничества и предотвратить неправомерные выплаты.

Например, Министерство финансов США начало использовать машинное обучение в конце 2022 года для анализа своих данных и предотвращения мошенничества с чеками. Министерство подсчитало, что ИИ помог чиновникам предотвратить или вернуть более 4 миллиардов долларов мошенничества в 2024 финансовом году. Наряду с Министерством финансов, такие агентства, как Налоговая служба, обратились к ИИ и машинному обучению, чтобы закрыть налоговый разрыв, включая налоговое мошенничество, который оценивался в 606 миллиардов долларов в 2022 налоговом году. Налоговая служба США изучила использование ускоренных фреймворков NVIDIA для науки о данных, таких как RAPIDS и Morpheus, для выявления аномальных закономерностей в записях налогоплательщиков, доступе к данным и распространенных уязвимостях и воздействиях. LLM в сочетании с генерацией дополненного поиска и RAPIDS также использовались для выделения записей, которые могут не соответствовать политике.

Как искусственный интеллект может помочь здравоохранению остановить потенциальное мошенничество
По данным Министерства юстиции США, мошенничество, растраты и злоупотребления в здравоохранении могут составлять до 10% всех расходов на здравоохранение. По другим оценкам, этот процент ближе к 3%. Мошенничество в Medicare и Medicaid может стоить около 100 миллиардов долларов. Несмотря на это, мошенничество в здравоохранении — это проблема стоимостью в сотни миллиардов долларов.

Дополнительная проблема с мошенничеством в здравоохранении заключается в том, что оно может исходить со всех сторон. В отличие от IRS или сферы финансовых услуг, сфера здравоохранения представляет собой фрагментированную экосистему больничных систем, страховых компаний, фармацевтических компаний, независимых медицинских или стоматологических практик и т. д. Мошенничество может происходить как на уровне поставщиков, так и на уровне пациентов, оказывая давление на всю систему.

К распространенным типам потенциального мошенничества в сфере здравоохранения относятся:

• Выставление счетов за неоказанные услуги
• Upcoding: выставление счета за более дорогую услугу, чем та, которая была оказана
• Разделение: несколько счетов за одну и ту же услугу
• Фальсификация записей
• Использование чужой страховки
• Поддельные рецепты

Те же технологии ИИ, которые помогают бороться с мошенничеством в сфере финансовых услуг и государственного сектора, могут применяться и в здравоохранении. Страховые компании могут использовать обнаружение шаблонов и аномалий для поиска претензий, которые кажутся нетипичными, как от поставщика, так и от пациента, и тщательно проверять данные о выставлении счетов на предмет потенциально мошеннической деятельности. Мониторинг в реальном времени может обнаруживать подозрительную активность у источника, по мере ее возникновения. А автоматизированная обработка претензий может помочь сократить человеческие ошибки и обнаружить несоответствия, одновременно повышая операционную эффективность.

Обработку данных с помощью NVIDIA RAPIDS можно сочетать с машинным обучением и GNN или другими типами ИИ, чтобы лучше выявлять случаи мошенничества на каждом уровне системы здравоохранения, помогая пациентам и врачам по всему миру справляться с высокими расходами на лечение.

ИИ для обнаружения мошенничества может сэкономить миллиарды долларов
Финансовые услуги, государственный сектор и сфера здравоохранения используют ИИ для обнаружения мошенничества, чтобы обеспечить постоянную защиту от одного из крупнейших в мире источников утечки средств из экономической активности.

Платформа NVIDIA AI поддерживает весь процесс обнаружения мошенничества и проверки личности — от подготовки данных до обучения модели и развертывания — с помощью таких инструментов, как NVIDIA RAPIDS, NVIDIA Triton Inference Server и NVIDIA Morpheus на программной платформе NVIDIA AI Enterprise.

Источник: NVIDIA Blog