ภาคการเงินปรับตัวใช้ AI ใน Fraud Detection
บัญชีม้า การฉ้อโกงในธุรกรรมทางการเงิน และการหลอกลวงในโลกการเงิน ถือเป็นปัญหาที่สร้างความเสียหายมหาศาล และอาจกระทบถึงเศรษฐกิจในระยะยาวหากไม่มีการแก้ไข
สถิติการฉ้อโกงทางการเงินในไทย
สสส.ร่วมกับ คณะเศรษฐศาสตร์ จุฬาฯ เผยงานวิจัย พบคนไทยกว่า 36 ล้านคน เคยถูกหลอกลวงผ่านช่องทางออนไลน์ โดยปี 2566 พบความเสียหาย 49,845 ล้านบาท เฉลี่ย 2,660.94 บาท ต่อคน ในจำนวนนี้มีจำนวนผู้เสียหายเป็นกลุ่ม Gen Y มากที่สุด และมีมูลค่าความเสียหายสูงสุด โดยประเภทการหลอกลวงส่วนใหญ่มาจากการซื้อสินค้าออนไลน์และหลอกให้ลงทุน
ด้าน ธนาคารแห่งประเทศไทย เผยสถิติบัญชีม้าในปี 2566 พบความเสียหายตั้งแต่ 1 มีนาคม 2565 ถึงสิ้นปี 2565 มีการแจ้งความกรณีที่เกิดจากภัยทางอิเล็กทรอนิกส์สูงสุด ซึ่งเกี่ยวกับสินค้าออนไลน์ 50,000 เคส โอนเงิน 20,000 เคส หลอกกู้เงิน 18,000 เคส และแก๊งคอลเซ็นเตอร์ 13,000 เคส มูลค่าความเสียหาย 2,600 ล้านบาท และมีการอายัดบัญชีม้าราว 58,000 บัญชี มูลค่า 5,500 ล้านบาท
ด้วยเหตุนี้บรรดาธนาคารและองค์กรด้านการเงิน จึงเร่งพัฒนากลยุทธ์ในการตรวจสอบและป้องกันภัย โดยใช้ระบบ Fraud Detection เป็นกระบวนการสำหรับการตรวจจับการฉ้อโกง และธุรกรรมผิดกฎหมาย
ทำไมต้อง Fraud Detection
Fraud Detection คือ กระบวนการระบุกิจกรรมที่น่าสงสัย ซึ่งบ่งชี้ว่าอาจมีการโจรกรรมเงิน ข้อมูล หรือทรัพยากรโดยผิดกฎหมายโดยทั่วไปจะดำเนินการโดยใช้ซอฟต์แวร์สำหรับตรวจสอบธุรกรรม แอปพลิเคชัน API และพฤติกรรมของผู้ใช้
ซึ่งจะต้องมีทีมเฉพาะด้านกำหนดคะแนนความเสี่ยงให้กับกรณีการทุจริตแต่ละรายการ เพื่อตัดสินใจว่าธุรกรรมอันไหนเป็นภัยคุกคามมากที่สุด และควรได้รับการจัดลำดับความสำคัญ ทั้งนี้คะแนนความเสี่ยงมักวัดความเป็นไปได้ที่ภัยคุกคามจะเกิดขึ้นและความเสียหายที่อาจจะเกิดขึ้น
จากนั้นจึงประเมินมาตรการป้องกันการทุจริตและโซลูชันการตรวจจับการทุจริตที่สามารถใช้จัดการกับภัยคุกคามการทุจริตตามประเภทและความรุนแรง สำหรับวิธีการตรวจจับการทุจริตที่พบได้บ่อยที่สุด ได้แก่ การตรวจสอบธุรกรรม การวิเคราะห์ข้อมูลทางสถิติ และ AI
ธุรกิจที่ใช้ Fraud Detection มีตั้งแต่ ธนาคาร, ประกันภัย, ผู้ให้บริการแพลตฟอร์มแลกเปลี่ยนซื้อ-ขาย หุ้น หรือ คริปโต, ธุรกิจ E-Commerce, ภาครัฐ และองค์กรด้านสุขภาพ
AI ในระบบ Fraud Detection มีอะไรบ้าง
AI กลายเป็นเครื่องมือสำคัญในการยกระดับบริการแพลตฟอร์มต่างๆในปัจจุบัน รวมถึงถูกนำมาใช้กับระบบ Fraud Detection โดยมีกระบวนการ ดังนี้
1.Pattern Recognition
อัลกอริทึมของ AI จะจัดกลุ่มชุดข้อมูลที่คล้ายกันเข้าด้วยกัน โดยพิจารณาจากความคล้ายคลึงกัน หรือความสัมพันธ์ที่มีอยู่ในข้อมูล อัลกอริทึมเหล่านี้จะสามารถตรวจจับได้อย่างรวดเร็วเมื่อมีสิ่งที่น่าสงสัยเกิดขึ้น
2.Anomaly Detection
เมื่อมีการระบุถึงความคลาดเคลื่อน AI ที่ตรวจจับการทุจริตจะทำเครื่องหมายธุรกรรมหรือกิจกรรมที่เบี่ยงเบนจากรูปแบบปกติอย่างมีนัยสำคัญ เช่น หากบุคคลหนึ่งทำธุรกรรมขนาดใหญ่อย่างผิดปกติ AI จะสามารถตรวจจับความเบี่ยงเบนนี้และแจ้งเตือนเพื่อทำการตรวจสอบเพิ่มเติม
3.Real-time Monitoring
เนื่องจากการทุจริตเกิดขึ้นเร็ว เกินกว่าที่มนุษย์จะสามารถตอบสนองได้ AI จึงเข้ามาช่วยวิเคราะห์ข้อมูลที่เข้ามาอย่างต่อเนื่องและบล็อกกิจกรรมที่สงสัยว่าจะเป็นการทุจริตในทันทีที่เกิดขึ้น การตรวจสอบแบบเรียลไทม์นี้สามารถป้องกันไม่ให้เกิดการทุจริตทำให้ธุรกิจของคุณสูญเสียรายได้
4.Machine learning
Machine Learning ได้รับการฝึกฝนโดยการวิเคราะห์เหตุการณ์การทุจริตในอดีต สิ่งนี้ทำให้อัลกอริทึมสามารถระบุรูปแบบและคุณสมบัติที่บ่งบอกถึงการทุจริต ช่วยในการพัฒนาโมเดลการทำนาย ทั้งนี้ความสามารถในการเรียนรู้แบบทำซ้ำของ Machine Learning ช่วยให้ระบบ AI สามารถปรับปรุงอัลกอริทึมการตรวจจับการทุจริตอย่างต่อเนื่อง และปรับตัวให้เข้ากับกลยุทธ์ใหม่ๆ ที่ผู้ฉ้อโกงใช้
AI สามารถตรวจจับธุรกรรมที่ผิดปกติต่างๆ เช่น
- บัญชีม้า
- การถูกยึดบัญชีจากบุคคลที่ 3 (Account takeover หรือ ATO)
- การโอนเงิน หรือใช้จ่ายที่ผิดปกติ
- ธุรกรรมการคืนสินค้าที่ผิดปกติ
- ธุรกรรมการขอคืนเงินที่ผิดปกติ
และเนื่องจากข่าวคราวที่ว่าประเทศไทยกำลังปรับเปลี่ยนรูปแบบธนาคาร เป็น Virtual Bank (ธนาคารไร้สาขา) ก็น่าสนใจว่า เมื่อเกิดธนาคารในรูปแบบนี้แล้ว จะมีการพัฒนาระบบการรักษาความปลอดภัยอย่างไรในอนาคต
ที่มา : SIFT, Bangkok Post
สอบถามข้อมูลผลิตภัณฑ์ “OneFence”
Tel. : 061-462-6414, 02-103-6462
Line : @securitypitch
Email : [email protected]
บทความที่น่าสนใจ
