یکی از مهم‌ترین موانع استفاده از خدمات بانکداری الکترونیکی، نبود امنیت و برخی سوءاستفاده‌ها در مسیر انجام مبادلات مالی است. به همین دلیل، استفاده از روش‌هایی برای شناسایی رفتارهای مشکوک، از مسائل مهم در موسسات مالی و بانک‌هاست.
به گزارش بانکینا، با توجه به رشد بانکداری الکترونیک و وجود بیش از ۴۰۰میلیون کارت بانکی و ۱۰ میلیارد تراکنش بانکی و ۱۳۰۰ هزار میلیارد تومان مبلغ انتقال پول از طریق کارت‌های بانکی، مقابله با تقلب و کلاهبرداری ضروری است و کارشناسان بانکی معتقدند که هر چند آمار دقیقی از تقلب در کارت‌های بانکی معتبر کشور وجود ندارد، ولی به نظر می‌رسد همزمان با توسعه بانکداری الکترونیک تقلب در کارت‌های بانکی رو به رشد بوده و در آینده‌یی نه چندان دور به یکی از معضلات سیستم بانکی کشور تبدیل خواهد شد. بر این اساس، کارشناسان به‌دنبال راهکارهایی برای شناسایی روش‌های متقلبانه، و همچنین مقابله با آن هستند.
یکی از مهم‌ترین موانع استفاده از خدمات بانکداری الکترونیکی، نبود امنیت و برخی سوءاستفاده‌ها در مسیر انجام مبادلات مالی است. به همین دلیل، استفاده از روش‌هایی برای شناسایی رفتارهای مشکوک، از مسائل مهم در موسسات مالی و بانک‌هاست.
مریم اخوان خرازیان و شبنم بختیاری در گزارشی با عنوان کشف رفتارهای مشکوک در بانکداری الکترونیکی، به بررسی کلاهبرداری و سواستفاده از حساب‌ها، پرداخت‌ها، تراکنش‌ها و کارت‌های بانکی پرداخته و رفتارهای مشکوک و متقلبانه در بانکداری الکترونیک و همچنین راهکارهای مقابله با آن را مورد توجه قرار داده‌اند.
این گزارش اعلام کرده که با توجه به رشد بانکداری الکترونیک، تقلب، رشد روزافزونی در سیستم بانکی داشته و همزمان با آن روش‌های متفاوتی برای مقابله با تقلب معرفی می‌شود و یکی از تصمیمات ضروری برای بانک‌ها، نحوه عملیاتی کردن مدل‌های شناسایی تقلب است.
تاکنون در سیستم بانکی کشور سازوکار و برنامه جامعی برای شناسایی و جلوگیری از تقلب‌ها ی مربوط به تراکنش‌های مبتنی بر کارت وجود نداشته است، در صورتی که یکی از وظایف مهم بانک‌ها نظارت بر صحت تراکنش‌های بانکی، حفظ مشتریان و کاهش ریسک بانکی است. از این رو ایجاد و پیاده‌سازی سیستمی توسط بانک‌ها برای شناسایی تقلب کارت‌های بانکی ضروری است.
هدف اصلی پژوهش‌ها، شناسایی تقلب در سیستم بانکی برای حفظ و نگه داری بانک و مشتریان است. مزیتی که برای بانک دارد، حفظ مشتریان و ایجاد اطمینان خاطر بیشتر برای آنها برای استفاده از خدمات بانک و مزیتی که برای مشتری دارد، کاهش ضرر و زیان وارده به مشتریان است. هدف دیگر، استفاده از داده کاوی در مبحث شناسایی تقلب در کارت‌های بانکی و شناسایی بهتر تراکنش‌های متقلبانه از میان تراکنش‌ها و کارایی در سیستم بانکداری است.
پیشنهاد سیاستی این است که بانک‌ها باید تصمیم بگیرند که مدل شناسایی تقلب را برخط استفاده کنند یا خیر. در صورت استفاده برخط از مدل، از انجام تراکنش‌های مشکوک به تقلب جلوگیری شده و حتی ممکن است کارت مشتری باطل شود. بنابراین، این ریسک برای بانک وجود دارد که نارضایتی مشتریان را در مواردی که مدل به نادرست تراکنش آنها را مشکوک شناسایی کرده است، شاهد باشد.
از سوی دیگر، چنانچه شناسایی تراکنش‌های مشکوک به صورت برخط نباشد، این ریسک برای بانک وجود دارد که تراکنش‌های متقلبانه صورت گرفته، قابل بر گشت نباشد. در طبقه‌بندی تراکنش‌های مشکوک و سالم، سیاست بانک نقش تعیین‌کننده‌یی دارد که مشخص می‌شود از چه روشی با چه میزان دقت باید استفاده شود. شاخص‌های معرفی شده در این پژوهش شامل شهری که تراکنش در آن رخ داده، زمان تراکنش و تاریخ وقوع است. نتایج به دست آمده از الگوریتم درخت تصمیم تایید می‌کند که مدل با دقت نسبتا بالایی در بازشناسایی احتمال تقلب موفق است. به نظر می‌رسد یکی از کاستی‌های نظام بانکداری الکترونیک و نظام‌های پرداخت شبکه بانکی، تجهیز نبودن زیرساخت‌های نرم‌افزاری بانک‌ها به این‌چنین نرم‌افزارهایی است؛ بنابراین، یافته‌های پژوهش می‌تواند در پیاده‌سازی این رهیافت در شبکه بانکی موثر باشد.
این قابلیت اطمینان در شناسایی تراکنش‌های مشکوک مشتریان کارت، به مدیران فناوری اطلاعات بانک‌ها این امکان را می‌دهد با تولید نرم‌افزارهایی از مدل یادشده و اتصال آن به شبکه بانکداری الکترونیک اقدامات مشکوک را شناسایی کنند؛ همچنین، تمهیدات لازم را برای پیشگیری از تقلب‌هایی که ممکن است در آینده رخ دهد، برنامه‌ریزی کنند.
باتوجه به یادگیری ماشین و داده کاوی می‌توان هشداری در سیستم ایجاد کرد تا در صورت روبه روشدن با تراکنش‌های مشکوک پرسش امنیتی از صاحب کارت پرسیده شود و در صورت پاسخ درست از سوی صاحب کارت، مراحل بعدی تراکنش انجام شده و امنیت بالاتری برای کاربران ایجاد شود.
از سوی دیگر، می‌توان متغیری وابسته با طبقات «تراکنش سالم»، «تراکنش با ریسک کم»، «تراکنش با ریسک بالا» و «تراکنش متقلبانه» تعریف کرد که در صورت رخ دادن هر یک از موارد با توجه به سیاست بانک و اهمیت آن به صورت مستقیم کارت را مسدود کرد یا به صورت دستی تحت بررسی کارشناسان قرار داد.
فناوری داده کاوی
با استفاده از تکنولوژی داده کاوی، روشی نوین در کشف تقلب در کارت‌های بانکی ارائه شده است. پس از مصاحبه با خبرگان در زمینه کارت‌های بانکی، شناسایی انواع تقلب‌های رایج در زمینه کارت‌های بانکی از طریق اعمال تغییرات معنادار روی داده‌ها برای تهیه تراکنش‌های متقلبانه، با بهره‌گیری از روش دسته‌بندی در داده کاوی، سه تکنیک شبکه‌های عصبی، درخت تصمیم و نزدیک‌ترین همسایگی، مدلی برای طبقه‌بندی تراکنش‌ها به تراکنش‌های سالم و متقلبانه ارائه می‌شود.
این مدل، علاوه بر اینکه مبتنی بر داده‌های سیستم بانکی کشور است، توانسته است با دقت ۹۸درصد، عملکرد نسبتا خوبی در طبقه‌بندی یادشده داشته باشد.
دورنمای رقابت در صنعت بانکداری به‌طور قابل‌توجهی تغییر یافته است. این امر به علت نیروهایی همچون قوانین جدید، جهانی شدن، رشد فناوری، تبدیل شدن خدمات بانکی به محصول و افزایش قابل توجه تقاضای مشتریان است. تحول در فعالیت‌های بانکی و افزایش ییچیدگی بانک‌ها، باعث ایجاد مباحث جدیدی در حوزه بانکی همچون تقلب شده است. توسعه فناوری‌های جدید رای زیادی را برای متقلبان و مجرمان باز کرده که بتوانند مرتکب تقلب شوند. ایجاد یک سیستم اطلاعاتی جدید و تکنیک‌های شناسایی تقلب، علاوه بر آنکه تقلب و کلاهبرداری‌های صورت گرفته در یک سازمان را شناسایی کرده و مورد تجزیه و تحلیل قرار می‌دهد، به نوعی با شناخت رفتار کاربران یا مشتریان سعی در پیش بینی رفتار آتی آنها داشته و ریسک انجام تقلب را کاهش می‌دهد.
به‌دلیل وجود هزینه‌های فراوان مستقیم و غیرمستقیم تقلب، بانک‌ها و موسسات مالی و پولی به‌شدت به‌دنبال تسریع و سرعت عمل در شناخت فعالیت‌های کلاهبرداران و متقلبان هستند. این امر به‌دلیل اثر مستقیم آن روی خدمت رسانی به مشتریان بانک‌ها و موسسات، کاهش هزینه‌های عملیاتی و باقیماندن به عنوان یک ارائه‌دهنده خدمات مالی معتبر و قابل اطمینان است. بنابراین، به کار‌گیری تکنیک‌های شناسایی تقلب برای جلوگیری از اقدامات متقلبان در سیستم بانکداری، اجتناب نایذیر است. امروزه پیچیدگی سازمان‌ها و تراکنش‌ها باعث افزایش فرصت برای استفاده‌های سودجویانه و تقلب شده است. این تقلب‌ها علاوه بر ضررهای اقتصادی، اثرات روانی گوناگونی روی خود بانک و مشتریان آن خواهد داشت. ممکن است شهرت بانک و سطح رضایت مشتریان آسیب‌دیده و سطح اعتماد مشتریان نسبت به خدمات جدید کاهش یابد.
در بُعد درون سازمانی نیز ممکن است، فرآیند مدیریتی سازمان با اختلال مواجه شده و اخلاق و وجدان کاری کارکنان تحت تاثیر منفی آن قرار گیرد. خدمات نوین ارائه شده توسط بانک‌ها نیز حوزه‌های جدیدی از تقلب را گشوده و اثرات منفی آن ضرورت اقدامات شناسایی تقلب را توجیه یذیر ساخته است. فنون شناسایی تقلب، شامل شگردهای جست‌وجوی ییچیده‌یی است که از طریق بررسی تراکنش‌ها و رفتار مصرفی مشتری، الگوهای تقلب را کشف و به موقع اعلام می‌کند. از سوی دیگر، آگاهی از انواع مختلف تقلبات بانکی نیز برای اقدامات پیشگیرانه می‌تواند مفید باشد و بانک‌ها و موسسات مالی در صورت آشنایی با انواع مختلف تقلبات بانکی می‌توانند فرآیندهای نظارتی مناسبی را طراحی کنند.
در صنعت بانکداری نیز به‌دنبال رشد و توسعه بانکداری نوین، پیشرفت‌های فناوری اطلاعات و در دسترس بودن امکانات کامپیوتری ییشرفته برای ذخیره داده‌ها، حجم عظیمی از داده‌ها در دسترس تصمیم‌گیرندگان قرار دارد که با توجه به وضعیت رقابتی موجود، تصمیم‌گیری سریع، امکان تبدیل فرصت‌ها و تهدیدها به فرصت‌های طلایی، صنعت بانکداری را به سنت استفاده از تکنیک‌های داده کاوی ترغیب می‌کند. داده کاوی به‌عنوان تکنیکی خاص در جهت دستیابی به اطلاعات مفید و مناسب از اهمیت ویژه‌یی در سال‌های اخیر برخوردار شده است که به صورت گسترده‌یی در صنایع مختلف مانند بانکداری، هوا و فضا، بهداشت و شناسایی الگوهای مفید و ارتباطات بین داده‌یی ثبت شده مورد استفاده قرار می‌گیرد.
هدف داده کاوی، کشف و شناسایی الگوی جدید در داده‌هاست. در این رابطه، نوعی احساس خلأ در شناسایی تقلب‌ها در صنعت بانکداری با رویکرد داده کاوی به چشم می‌خورد. بنا بر اعلام دانشگاه MIT دانش نوین داده کاوی یکی از ۱۰ دانش در حال توسعه‌یی است که دهه آینده را با انقلاب تکنولوژی مواجه می‌سازد. این تکنولوژی امروزه کاربرد بسیار وسیعی در حوزه‌های مختلف دارد؛ به گونه‌یی که امروزه حد و مرزی برای کاربرد این دانش در نظر نگرفته‌اند و زمینه‌های کاری این دانش را از ذرات کف اقیانوس‌ها تا اعماق فضا می‌دانند.
منبع: روزنامه تعادل
