-
產業挑戰與痛點
金融犯罪手法及管道日新月異
透過使用新科技,以及刺探作業漏洞,犯罪手法推陳出新,犯罪管道亦有多元化趨勢,傳統風險管理模式無法因應新威脅。
大量數據及複雜交易流程不利偵測
難以橫跨多重資料來源建立關聯性,察覺隱藏訊息,例如:銀行交易、客戶資料、監測記錄、過往事件報告及其他管道。
-
使用情境與方法
預先建立機器學習演算法
以行為預測來加強預警,快速識別新型態的犯罪交易與異常事件。
強化即時分析與管理能力
針對員工行為的監督、客戶異常交易行為,以強化分析及管理來識別潛在風險,達到預防目的。
增強安全及風險控管
即時判別詐欺的特定模式或可疑行為,並對交易詐欺風險進行評分,對於偏離正常模式的情況主動發送各種類型的詐欺漏洞警示。
結合 AI 進階識別風險
運用 AI 人臉辨識技術強化識別 ATM 詐欺,利用認知搜尋來比對資料以找出潛在事件及風險。
-
結果
即時驗證交易內容,大幅減輕管理詐欺案例的工作負擔,並降低財務損失風險。
涵蓋金融服務全通路,以主動式、智慧化機制來降低詐欺風險,建立業務推展與競爭優勢。
橫跨預防、偵測、調查階段,因應外部欺詐和內部舞弊,降低相關風險與損失,以及負面客戶體驗。
