INTERNET
ΤΟ PAYPAL ΑΣΦΑΛΙΖΕΙ ΤΙΣ ΣΥΝΑΛΛΑΓΕΣ ΜΕ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ
Περιεχόμενα
0

ΤΟ PAYPAL ΑΣΦΑΛΙΖΕΙ ΤΙΣ ΣΥΝΑΛΛΑΓΕΣ ΜΕ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

από Ηλίας Τσιλιβίγκος2 Φεβρουαρίου 2016

Στο κυνήγι της ασφάλειας εκπαιδεύει τους servers της ώστε να αναλάβουν το ρόλο του ντετέκτιβ και να εντοπίζουν τις απάτες χωρίς ανθρώπινη παρέμβαση

Το PayPal, η μεγαλύτερη υπηρεσία ηλεκτρονικών πληρωμών, αποτελεί κύριο στόχο στους απανταχού απατεώνες του διαδικτύου. Ταυτοχρόνως, όμως, ο τεράστιος αριθμός χρηστών κάνει τον εντοπισμό των ύποπτων συναλλαγών ιδιαιτέρως απαιτητική διαδικασία. Προφανώς, οι απατεώνες βασίζονται σε ακριβώς αυτή την παράμετρο, δηλαδή την πιθανή αδυναμία του PayPal να παρακολουθήσει όλες τις συναλλαγές.

Για να αποκτήσετε μια εικόνα του μεγέθους του PayPal, να αναφέρουμε πως, μόνο για το έτος που πέρασε, το PayPal διαχειρίστηκε 235 δισεκατομμύρια δολλάρια σε πληρωμές, τα οποία προήλθαν από τέσσερα δισεκατομμύρια συναλλαγές που πραγματοποίησαν περισσότεροι από 170 εκατομμύρια πελάτες – χρήστες της υπηρεσίας.

Το σύστημα ασφαλείας του PayPal χρησιμοποιεί όλο και περισσότερο την τεχνολογία τεχνητής νοημοσύνης που γνωρίζουμε ως “deep learning”. Η τεχνολογία αυτή αναλύει τις τεράστιες ποσότητες δεδομένων που βρίσκονται στις βάσεις δεδομένων του PayPal και μπορεί να εξάγει μοτίβα, τόσο όσον αφορά νόμιμες συναλλαγές όσο και απάτες, αλλά και μοτίβα σε σχέση με τις συνήθειες του κάθε χρήστη της υπηρεσίας, και είναι σε θέση να αναγνωρίσει αν μια συναλλαγή είναι ύποπτη ή αν κάποιος χρήστης κάνει, για παράδειγμα, διακοπές σε άλλη χώρα.

Οι πιο συνήθεις απάτες αφορούν τα λεγόμενα “phishing” e-mails, τα οποία μπερδεύουν τους χρήστες και τους κάνουν να δώσουν τα στοιχεία τους (username και password) στους απατεώνες, συνήθως μέσω κατάλληλα δομημένων sites τα οποία έχουν πανομοιότυπη εμφάνιση με αυτή του PayPal.
Για να αντιμετωπίσει τέτοιες επιθέσεις, το PayPal βασίζεται στην συνεχή και εντατική ανάλυση όλων των συναλλαγών σε πραγματικό χρόνο.

Όπως εξηγεί η Hui Wang, η γενική διευθύντρια της PayPal στο τμήμα “Global Risk Sciences”, όποτε αποκαλυφθεί πως κάποιο συγκεκριμένο μοτίβο είναι απάτη – για παράδειγμα, εάν μια αλυσίδα πολλών μικρών αγορών από σουπερμάρκετ αποκαλυφθεί ως απάτη – τότε αυτό το μοτίβο μαρκάρεται ως “χαρακτηριστικό” ή αλλιώς ως κανόνας που μπορεί να εφαρμοστεί σε πραγματικό χρόνο ώστε να μπλοκάρει παρόμοιες αγορές στο μέλλον. Αναφέρει: “Πλέον αναλύουμε χιλιάδες ‘χαρακτηριστικά’ στο σύστημά μας, έναντι εκατοντάδων όταν το σύστημα πρωτολειτούργησε το 2013”.

Το αποτέλεσμα είναι πως το PayPal πλέον μπορεί να ξεχωρίσει αγορές που κάνει, για παράδειγμα, μια ομάδα φίλων που αγοράζουν μαζί εισιτήρια, από κάποιον απατεώνα που προσπαθεί να κάνει το ίδιο χρησιμοποιώντας μια λίστα κλεμμένων λογαριασμών. Επιπλέον, όλη η ανάλυση γίνεται από την ίδια την PayPal ώστε να μειωθεί στο ελάχιστο η όποια υστέρηση στη συναλλαγή, η οποία θα συνέβαινε εάν η εταιρία βασιζόταν σε άλλους παρόχους τέτοιων υπηρεσιών.
Η Wang επισημαίνει: “Χιλιάδες ‘χαρακτηριστικά’ αναλύονται μέσα σε δεδομένα 16 ετών στα ιστορικά των χρηστών και όλο αυτό πρέπει να γίνει μέσα σε λιγότερο από ένα δευτερόλεπτο”.

Το αποτέλεσμα είναι πως, ενώ οι οικονομικές απώλειες από απάτες αυξάνονται στην αγορά, οι αριθμοί του PayPal παραμένουν εντυπωσιακά χαμηλοί, κι αυτό χάρη στην ευφυία των μικροτσίπ.

Αφήστε μια απάντηση