Mastercard представила большую табличную модель (LTM) — специализированный искусственный интеллект, обученный на обезличенных данных миллиардов транзакций. В отличие от популярных языковых моделей, работающих с текстом, LTM анализирует структурированные данные: таблицы с информацией о платежах, местоположении торговых точек, возвратах, программах лояльности.
Модель создана совместно с Nvidia и Databricks. Ее главная особенность — способность улавливать слабые сигналы в данных. Как объясняет ведущий инженер Mastercard Стив Флинтер, дорогие, но редкие покупки часто вызывают ложные срабатывания у стандартных систем безопасности. Новая модель лучше отличает легальные транзакции от мошеннических, потому что видит больше связей между разными наборами данных.
В кибербезопасности LTM уже показала результаты выше отраслевых методов машинного обучения. Mastercard планирует масштабировать обучение на сотни миллиардов транзакций и добавить новые типы данных. Компания также разрабатывает API и инструменты, чтобы команды внутри Mastercard могли создавать на базе модели новые приложения.
Что это меняет? Раньше системы безопасности анализировали транзакции изолированно. Теперь появляется модель, которая понимает контекст: видит не только сам платеж, но и историю клиента, поведение продавца, данные программ лояльности и возвратов. Это не очередной апдейт антифрода, а смена подхода. Вместо набора правил и локальных алгоритмов — единая модель, обученная на всей доступной информации о том, как люди тратят деньги. Для банков это означает, что конкуренция в защите от мошенников переходит на новый уровень: выиграет тот, кто лучше всех научится понимать транзакции в контексте.
Источник: plusworld.ru
Модель создана совместно с Nvidia и Databricks. Ее главная особенность — способность улавливать слабые сигналы в данных. Как объясняет ведущий инженер Mastercard Стив Флинтер, дорогие, но редкие покупки часто вызывают ложные срабатывания у стандартных систем безопасности. Новая модель лучше отличает легальные транзакции от мошеннических, потому что видит больше связей между разными наборами данных.
В кибербезопасности LTM уже показала результаты выше отраслевых методов машинного обучения. Mastercard планирует масштабировать обучение на сотни миллиардов транзакций и добавить новые типы данных. Компания также разрабатывает API и инструменты, чтобы команды внутри Mastercard могли создавать на базе модели новые приложения.
Что это меняет? Раньше системы безопасности анализировали транзакции изолированно. Теперь появляется модель, которая понимает контекст: видит не только сам платеж, но и историю клиента, поведение продавца, данные программ лояльности и возвратов. Это не очередной апдейт антифрода, а смена подхода. Вместо набора правил и локальных алгоритмов — единая модель, обученная на всей доступной информации о том, как люди тратят деньги. Для банков это означает, что конкуренция в защите от мошенников переходит на новый уровень: выиграет тот, кто лучше всех научится понимать транзакции в контексте.
Источник: plusworld.ru
