Az AWS új, menedzselt szolgáltatása, az Amazon Fraud Detector gépi tanulás segítségével azonosítja a potenciálisan csalásra utaló (fraudulent) online tevékenységeket. Az új szolgáltatás miliszekundum gyorsasággal detektálja az olyan rosszindulatú támadásokat, mint pl. az online fizetési csalás, vagy a felhasználói identitásokkal való visszaélések.
Mint ahogy azt az AWS-nél megszokhattuk, a menedzselt szolgáltatásnak az a lényege, hogy nem szükséges felhasználói oldalról a mögöttes technológia ismerete, ahhoz, hogy a szolgáltatást teljesen kihasználva igénybe vegye azt a user. Esetünkben ez azt jelenti, hogy bár az AWS masszív AI és machine learning alapú algoritmuscsomagokat használ a csalások kiszűréséhez, a szolgáltatás konfigurálásához mégsincs szükség ML és AI ismeretekre, csupán a saját üzleti modellünkkel kell tisztában lenni (azzal viszont nagyon).
A Fraud Detector (FD) konzolban rendelkezésre állnak előredefiniált ML sablonok (értelemszerűen ezek a sablonok az Amazon hatalmas, több évtizedes tapasztalatából építkeznek a pattern-felismerési mechanizmusok terén), illetve a usernek lehetősége van feltölteni (és ezáltal betanítani a gépet) historikus adatokat és felállítani a döntési logikát, hogy kimeteleket (akciókat) rendeljen a gép predikcióihoz. A gyakorlatban ez úgy működik, hogy ha az FD neurális hálója felismer egy rosszindulató sémát, akkor a értesítést küld a Fraud Menedzsernek, aki kezdeményezheti az eset kinyomozását. Az FD árazási stratégiája elég komplex, de alapjaiban alkalmas arra, hogy a szolgáltatást bárki használja, akár kisebb cégek, webshopok, applikáció tulajdonosok is: a modellek betanításáért és felhőben való hosztolásáért óradíjas alapon kell fizetni, a predikciókért pedig darabáron. Ha pédául havonta 5 órát tréningezünk 2 modellt, amiből aztán egy teljes hónapig, napi 24 órában hosztolunk 1 modellt, majd ez a modell napi 300 vásárlási, bejelentkezési kísérletet elemez a számunkra és készít belőle predikciót, akkor nagyjából 100 ezer forintot fogunk havonta kifizetni.
Azok a fejlesztők, akik értenek a gépi tanuláshoz és az AI alapú modellezéshez, az FD előre definiált modelljeit teljesen testreszabhatják, ugyanis az FD (természetesen) integrálható a SageMaker-be, ami az AWS (amúgy zseniálisan intuitív) ML modellező, tréningező és publikáló (deploy) alkalmazása.
Az FD egyik korai felhasználója (early-adopter) a GoDaddy, aki ugyebár a világ legnagyobb domain regisztrátora és újabban a menedzselt hoszting ipar egyre nagyobb szereplője is. A cég arra használta az FD-t, hogy kiszűrje azokat a domain-regisztrációkat, amiket nem legit felhasználók (vagyis nem valid céges entitások, vagy magánszemélyek) indítottak, vagyis tulajdonképpen ezáltal konszolidálja a botok által sokszor mesterségesen felpörgetett domain ipart.
Másik korai felhasználó pl. a Truevo, ami egy innovatív digitális pénzügyi szolgáltató, hasonló a Paypal-hoz, de árul virtuális és POS terminálokat, applikáción belüli fizetési modulokat és online pénztárcaként is üzemel. A cég úgy alkalmazza az FD-t, hogy egyrésztől manuális szabályrendszert használ az FD-n belül (amire az AWS szintén lehetőséget ad), illetve engedi, hogy a machine learning metódusok beavatkozzanak, amikor szofisztikáltabb, AI szintű analitikára van szükség. Így tudják hatékonyan értékelni, hogy a potenciális ügyfeleik alkalmasak-e a szolgáltatásaik igénybevételére: pl egy webshop, ha online fizetési kaput szeretne integrálni a weboldalába, hazai környezetben (pl. Barion-t, vagy Simple Pay-t használva) akár hetekbe is telhet, mire ezek a szolgáltatók engedélyezik az integrációt, lévén manuálisan validálják az ügyfeleiket – ezzel szemben a Truevo (hála a technológiának), néhány órán belül validálja a végfelhasználót, aki ezután elkezdheti használni a szolgáltatást.
Ami a legjobb az AWS Fraud Detector-ában, hogy elképesztő gyorsan lehet komplex problémakörökre, működő (JÓL működő) megoldást implementálni. Akár egy nap alatt is létrehozható egy olyan prototípus, ami forradalmasíthatja egy cég fraud menedzsmentjét, ami abban realizálódhat, hogy az ügyfelek nagyobb bizadalommal fogják igénybe venni a szolgáltatásokat, hűségesebbek lesznek a márkához, ergo nő a márka reputációja.
Érdekelne valami hasonló? Szakértővel szeretnél konzultálni? Megint jó helyen jársz! Keress minket! @viktor.somogyi@netwerk.hu
Read Next
Kövess!