Synthetic data e Computer Vision per potenziare i servizi antifrode
Reply ha affiancato Agos nella trasformazione digitale del settore finanziario, introducendo un sistema altamente performante per la prevenzione delle frodi.
#Computer vision
#Synthetic data
#Automatic frauds detection
,allowExpansion)
LA SFIDA
Automatizzare l'individuazione di frodi finanziarie nel credito al consumo, incorporando nuove fonti dati nei processi antifrode.
IL CONTESTO
Nuove soluzioni antifrode
Agos, azienda finanziaria leader nel settore del credito al consumo, si è trovata a dover fronteggiare una serie di sfide legate all'identificazione e alla prevenzione delle frodi finanziarie. Con la sempre crescente minaccia di truffatori che utilizzano documenti falsi o identità rubate per ottenere prestiti illeciti, l'analisi manuale delle carte d'identità rappresentava ancora un punto di vulnerabilità.
Per contrastare queste minacce, l'azienda ha adottato un approccio innovativo e automatizzato che integra nuove fonti informative e tecniche avanzate di analisi dei dati. Agos è riuscita così a potenziare il suo sistema di individuazione e prevenzione delle frodi finanziarie e a proteggere l'integrità dell'azienda e dei suoi clienti.
LA SOLUZIONE
Individuare documenti contraffatti con synthetic data e ML
Per rispondere alle necessità di Agos di individuazione delle frodi, Target Reply ha proposto un approccio innovativo che combina efficacemente elementi di Computer Vision (tramite l’utilizzo di Reti Neurali Convoluzionali), algoritmi di Machine Learning e synthetic data in diverse fasi del processo di analisi dei dati. Le Reti Neurali Convoluzionali, grazie ad una notevole efficacia nell'elaborazione delle immagini, hanno consentito di estrarre caratteristiche visive date in input ad algoritmi di classificazione basati su Machine Learning, che hanno permesso di automatizzare l’analisi dei documenti per richieste di finanziamento ed ottenere un’efficace individuazione delle carte d'identità contraffatte. Parallelamente, l'integrazione dei syntetic data ha comportato un significativo miglioramento della qualità e della quantità dei dati disponibili, contribuendo a incrementare le prestazioni complessive del modello.
,allowExpansion)
COME ABBIAMO FATTO
Il ruolo chiave dei synthetic data per un dataset ampio e bilanciato
Nell'ambito del progetto, i synthetic data sono stati utilizzati per affrontare in modo efficace le sfide legate alla rilevazione delle frodi. Poiché individuare le frodi richiede un ampio e bilanciato dataset di addestramento, l'approccio convenzionale avrebbe avuto limiti a causa della carenza di dati autentici e della necessità di preservare la privacy. L'impiego dei synthetic data, generabili tramite modelli di Generative AI, ha permesso di utilizzare informazioni artificiali altamente realistiche che riproducono in modo accurato le caratteristiche delle carte contraffatte. Questo utilizzo dei synthetic data ha migliorato la capacità del modello basato su Reti Neurali Convoluzionali (CNN) nel rilevare le frodi con elevata precisione.
Particolare attenzione è stata data all’explainability del modello di analisi. La capacità di comprendere il processo decisionale del sistema, ossia il modo in cui vengano classificate le carte d'identità contraffatte e quali attributi dei documenti influenzino tali decisioni, ha rappresentato un elemento cruciale per assicurare una maggiore fiducia da parte di Agos nelle scelte adottate dal sistema.
)
Incremento dell'efficienza
L'automatizzazione del processo di verifica dei documenti ha eliminato la necessità di una verifica manuale da parte di esperti del settore, riducendo gli sforzi e gli errori associati.
)
Introduzione di nuovi strumenti
L'automatizzazione dell'analisi dei documenti ha introdotto un'innovazione nel processo di controllo, fornendo nuovi strumenti e tecniche per identificare frodi finanziarie in modo più tempestivo ed efficiente.
)
Riduzione del time to market
L'utilizzo di synthetic data ha consentito di velocizzare lo sviluppo degli applicativi e ridurre i tempi di rilascio. Questo ha permesso di implementare rapidamente la soluzione e ottenere benefici in tempi più brevi.
Aumento delle performance
L'arricchimento del dataset con synthetic data ha migliorato la consistenza e la rappresentatività dei dati, aumentando le prestazioni nell'individuazione di documenti falsi.
Agos è una società finanziaria che si occupa della realizzazione dei progetti dei propri clienti e di supportare le vendite dei partner nei diversi mercati attraverso un'ampia offerta di prodotti e di servizi: prestiti personali, finanziamenti finalizzati, carte di credito, cessione del quinto dello stipendio/pensione, leasing e un’ampia gamma di servizi assicurativi.
Target Reply è la società del gruppo Reply specializzata nella realizzazione di soluzioni di Big Data e Advanced Analytics. Target Reply supporta le aziende dall’identificazione dei bisogni alla progettazione e realizzazione delle soluzioni tramite tecnologie di integrazione dati, di data modelling, di analisi predittiva, utilizzando gli strumenti più innovativi nell’ambito del Business Discovery e dei Big Data. Target Reply ha maturato esperienze significative presso i maggiori gruppi aziendali italiani ed esteri ed è in grado di operare in tutti i principali mercati: Telco, Finance e Manufacturing.