El fraude financiero está aumentando junto con oleadas de violaciones de seguridad cibernética.
El ciberdelito le cuesta a la economía mundial 600.000 millones de dólares anuales, o el 0,8 por ciento del PIB, según una estimación de 2018 de McAfee. Según la consultora Accenture, se estima que los ciberataques podrían costar a las empresas 5,2 billones de dólares en todo el mundo para 2024.
Las tarjetas de crédito y de débito son un objetivo importante. American Express, que maneja más de 8,000 millones de transacciones al año, está utilizando el deep learning de las GPU de NVIDIA para combatir la detección de fraudes.
American Express implementó modelos basados en deep learning con NVIDIA TensorRT, que se ejecutan en NVIDIA Triton Inference Server, para detectar fraudes, anunció el CEO de NVIDIA Jensen Huang, en su discurso en el evento GTC – GPU Technology Conference en 05 de octubre.
NVIDIA TensorRT es un optimizador de inferencia y entorno de ejecución de del deep learning: de alto rendimiento que minimiza la latencia y maximiza el rendimiento.
El software NVIDIA Triton Inference Server simplifica la implementación de modelos a escala y se puede utilizar como un microservicio que permite que las aplicaciones utilicen modelos de IA en la producción de data centers.
“Nuestros algoritmos de fraude monitorean en tiempo real cada transacción de American Express en todo el mundo por más de 1.2 billones de dólares gastados anualmente, y generamos decisiones de fraude en solo milisegundos”, dijo Manish Gupta, vicepresidente de machine learning e investigación de ciencia de datos en American Express.
Locura por las Compras en Línea
Las compras en línea se han disparado desde la pandemia. Solo en EE. UU., el comercio en línea aumentó un 49 por ciento en abril en comparación con principios de marzo, según el Índice de Economía Digital de Adobe.
Eso significa menos efectivo, más dólares digitales. Y más dólares digitales exigen el uso de tarjetas de crédito y de débito, que ya ha experimentado un aumento del fraude.
“El fraude con tarjetas les reportó a los criminales 3,880 millones de dólares más en 2018 que en 2017”, dijo David Robertson, editor de The Nilson Report, que rastrea información sobre la industria de pagos global.
American Express tiene más de 115 millones de tarjetas de crédito activas y ha mantenido la tasa de fraude más baja de la industria durante 13 años seguidos, según The Nilson Report.
“Tener el respaldo de nuestros miembros de tarjetas y comerciantes es nuestra principal prioridad, por lo que mantener bajas nuestras tasas de fraude es clave para lograr ese objetivo”, dijo Gupta.
Detección de Anomalías en GPU
Con el aumento de las transacciones en línea, los estafadores están llevando a cabo ataques más complejos a medida que las empresas financieras intensifican las medidas de seguridad.
Un área que es más fácil de monitorear son los patrones de gasto anómalos. Este tipo de transacciones en una tarjeta, conocidas como “fuera de patrón”, podrían mostrar que se compró un café en San Francisco y luego, cinco minutos después, se compró un tanque de gasolina en Los Ángeles.
Estas señales de alerta de anomalías se detectan mediante redes neuronales recurrentes, o RNN, que son particularmente buenas para adivinar lo que sigue en una secuencia de datos.
American Express ha implementado grandes redes de memoria a corto plazo, o LSTM, que pueden proporcionar un rendimiento mejorado en las RNN.
Y eso puede significar el cierre de brechas en la latencia y la precisión, dos áreas en las que American Express ha dado grandes pasos. Los equipos utilizaron sistemas NVIDIA DGX para desarrollar y entrenar estos modelos LSTM en montañas de datos estructurados y no estructurados usando TensorFlow.
Ganancias 50 veces superiores en comparación con las CPU
La red LSTM optimizada por NVIDIA TensorRT, recientemente lanzada, ayuda al sistema que analiza los datos de decenas de millones de transacciones diarias en tiempo real. Ahora se implementa utilizando el servidor de inferencia NVIDIA Triton en las GPU NVIDIA T4 para lograr las inferencias en una fracción de segundo.
Los resultados ya están a la vista: American Express pudo implementar este sistema mejorado de detección de fraude en tiempo real para mejorar la precisión. Opera dentro de un estricto requisito de latencia de 2 milisegundos, una mejora de 50 veces con respecto a una configuración basada en CPU que no pudo cumplir con el objetivo.
El gigante de los servicios financieros ha mejorado la precisión de detección de fraude hasta en un 6 por ciento en segmentos específicos, gracias a la combinación de la red neuronal profunda LSTM acelerada por GPU y de su modelo de máquina de aumento de gradiente (GBM) de larga data, que se utiliza para la regresión y la clasificación.
La precisión importa. Un falso positivo que niega la transacción legítima de un cliente es una situación desagradable para los usuarios de la tarjeta y los comerciantes, dice American Express.
“Especialmente en este entorno, nuestros clientes nos necesitan ahora más que nunca, por lo que los auydamos con la mejor protección de su clase y servicio contra el fraude”, dijo Gupta.