Ηλεκτρονική απάτη στον τραπεζικό τομέα

Abstract

Οι ηλεκτρονικές απάτες στον τραπεζικό τομέα, αποτελούν πλέον ένα κομμάτι μείζονος σημασίας αλλά και άξιο μελέτης. Η ραγδαία εξέλιξη της τεχνολογίας, συνδυαστικά με την ψηφιοποίηση των τραπεζικών υπηρεσιών και συναλλαγών, έχει απότοκη συνέπεια την ανάπτυξη του ηλεκτρονικού εγκλήματος στον κυβερνοχώρο, επηρεάζοντας κατά αυτόν τον τρόπο την οικονομική δραστηριότητα των χρηματοπιστωτικών ιδρυμάτων αλλά και πλήττοντας την φερεγγυότητά τους. Ανάμεσα στον εκτεταμένο όγκο συναλλαγών που πραγματοποιούνται κάθε λεπτό, ο εντοπισμός και η πρόβλεψη των παράνομων κινήσεων έγκαιρα και άμεσα, αποτελεί κομμάτι πρωταρχικής σημασίας, καθώς είναι γεγονός ότι οι ηλεκτρονικές απάτες διενεργούνται με διαρκώς μεταλλασσόμενες και εξελισσόμενες μεθόδους. Αυτό κατ’ επέκταση έχει οδηγήσει στην ανάγκη για αποτελεσματικό θωρακισμό των τραπεζικών συστημάτων με χρήση σύγχρονων μεθόδων μηχανικής μάθησης και τεχνικών τεχνητής νοημοσύνης, κάτι που παλαιότερα θα φάνταζε αδύνατο. Τούτων δοθέντων, γίνονται καθημερινές προσπάθειες και δοκιμές για την δημιουργία ενός συστήματος ασφαλείας το οποίο θα είναι σε θέση να παρέχει κάθε δυνατή ασφάλεια απέναντι στην τράπεζα και στο πελατολόγιο της, αλλά και στη δημιουργία υποψιασμένου κοινού από φορείς ενημέρωσης. Το θέμα αυτό αναλύεται στην παρούσα διπλωματική εργασία, ξεκινώντας αρχικά αναλύοντας τα υφιστάμενα περιστατικά απάτης με τα οποία έρχεται αντιμέτωπο ένα σύγχρονο χρηματοπιστωτικό ίδρυμα, τα μοντέλα μηχανικής μάθησης και τις τεχνικές που χρησιμοποιεί σχετικά με την εντοπισμό και την πρόβλεψη τους, αλλά και τις προκλήσεις που προκύπτουν για την σωστή εκτίμηση και διαχείρισή τους. Στη συνέχεια, για το προγραμματιστικό μέρος της εργασίας, έχουμε προχωρήσει σε ανάλυση πραγματικών δεδομένων από καρτικές απάτες, στα οποία εφαρμόσαμε αλγορίθμους μηχανικής μάθησης τους οποίους και στη συνέχεια συγκρίναμε και αξιολογήσαμε. Για την καλύτερη κατανόηση του θέματος, έχουμε επιλέξει για το 2ο μέρος, να σχεδιάσουμε ένα σύστημα ανίχνευσης απάτης από την αρχή, εμπνευσμένο από πραγματικά σενάρια και προκλήσεις και το οποίο θα είναι σε θέση να κατηγοριοποιεί και να εντοπίζει τις απατηλές κινήσεις μέσα σε ένα χρηματοπιστωτικό ίδρυμα. Το προγραμματιστικό μέρος και η επεξεργασία των δεδομένων έγιναν με χρήση της γλώσσας προγραμματισμού Python, και τα συμπεράσματα που προέκυψαν και από τα δύο μέρη της εργασίας έδειξαν την ακρίβεια πρόβλεψης που είχαν οι αλγόριθμοι, αλλά ταυτοχρόνως μας παρείχαν σημαντικές πληροφορίες σχετικά με τις προκλήσεις αλλά και τις ευπάθειες που υπάρχουν σε ένα σύστημα πρόβλεψης και ανίχνευσης απάτης.