आजकल बैंकों में धोखाधड़ी की घटनाएँ बहुतायत हो रही है। Technology के बढ़ते प्रयोग के कारण धोखाधड़ी करना और भी आसान हो गया है। धोखाधड़ी के विषय में शिकायत करने की प्रक्रिया उतना आसान नहीं है जितना एक बैंक ग्राहक सोचता है। भले ही पीड़ित को पता चले कि उसके बैंक खाते में किसी तरह की धोखाधड़ी हो गयी है, फिर भी उसे एक निश्चित प्रक्रिया के तहत बैंक या सेवा प्रदाता को धोखाधड़ी से संबन्धित विवरण या सबूत प्रदान करना पड़ता है । हालांकि, डेबिट या क्रेडिट कार्ड धोखाधड़ी के मामले में ग्राहक की जवाबदेही अलग है। यही कारण है कि किसी भी पीड़ित को बैंक धोखाधड़ी होने की स्थिति में जल्द से जल्द बैंक को सूचित करना चाहिए । अगर बैंक को सबूत मिलता है कि धोखाधड़ी वास्तव में हुई है, तो बैंक को मामले की जांच करनी होगी और ग्राहक को इसका समाधान देना होगा ।
बैंक और भुगतान सेवा प्रदाता अब ग्राहकों के खातों में धोखाधड़ी गतिविधियों का पता लगाने के लिए सुरक्षा उपायों को विकसित करने हेतु तकनीक का प्रयोग कर रहे हैं। इस कड़ी में धोखाधड़ी की रोकथाम के लिए अब मशीन लर्निंग तकनीक को एक अच्छे विकल्प के रूप में देखा जा रहा है ।
बैंक धोखाधड़ी के प्रकार
धोखाधड़ी के कुछ प्रकार जो विशेष रूप से बैंकिंग उद्योग के लिए खतरा हैं, वे हैं क्रेडिट या डेबिट कार्ड धोखाधड़ी, ऑनलाइन धोखाधड़ी, कर-संबंधी धोखाधड़ी और सरकारी दस्तावेज़ की धोखाधड़ी । आइए इनमें से कुछ प्रमुख धोखाधड़िओं के प्रकार पर नज़र डालें।
क्रेडिट या डेबिट कार्ड धोखाधड़ी
क्रेडिट या डेबिट कार्ड धोखाधड़ी लंबे समय से बैंक धोखाधड़ी के प्रकारों की सूची में सबसे ऊपर है। यह बहुतायत है क्योंकि गुप्त रूप से आपके कार्ड की जानकारी प्राप्त करने के कई तरीके हैं। एक बार कार्ड का विवरण उपलब्ध होने के बाद, अपराधी पैसे का उपयोग करना शुरू कर सकता है। कार्ड धोखाधड़ी का आमतौर पर मशीन लर्निंग के तरीकों से पता लगाया जाता है जैसे पर्यवेक्षण या अप्रमाणित विसंगति का पता लगाना और वर्गीकरण तकनीक का उपयोग करना। कार्ड धोखाधड़ी का पता लगाने के लिए एक मजबूत मशीन लर्निंग मॉडल को विकसित करने की आवश्यकता है।
जाली दस्तावेज़ / जालसाजी
दस्तावेज़ जालसाजी या जालसाजी धोखाधड़ी का एक ऐसा प्रकार है जिसे अक्सर पहचान की चोरी कहा जाता है। जालसाज ऋण लेने या अन्य गैरकानूनी काम करने के लिए पीड़ित के दस्तावेजों को बदल देते हैं। अपराधी के लक्ष्य के आधार पर दस्तावेज़ पर जानकारी पूरी तरह या आंशिक रूप से बदली जा सकती है। इस तरह के परिवर्तनों के उदाहरणों में जन्म की तारीख या स्थान, घर का पता, नकली वॉटरमार्क / टिकट और किसी अन्य दस्तावेज़ से वर्तमान में पेज जोड़ना आदि शामिल हैं।
मशीन लर्निंग में कई algorithm हैं जो छवियों के साथ काम करते हैं और विशिष्ट विशेषताओं और सहसंबंधों का पता लगाकर उन्हें धोखाधड़ी के रूप में वर्गीकृत कर सकते हैं । यदि दस्तावेज़ पर नकली वॉटरमार्क की आवश्यकता है, तो हमें पहले नकली और वास्तविक दस्तावेजों में अंतर करने के विशिष्ट मॉडल को विकसित करना चाहिए ताकि यह आसानी से नकली की खोज कर सके। मशीन लर्निंग फ़ोटोशॉप किए हुए दस्तावेज़ को भी पहचानने में सक्षम होता है। इसके अतिरिक्त, एंटी-स्पूफिंग (anti spoofing) विधियों का उपयोग हम यह समझने के लिए करते हैं कि एक दस्तावेज मुद्रित प्रति है या मूल।
बैंकों के लिए धोखाधड़ी का पता लगाने वाला सॉफ्टवेयर
इंटरनेट उन विज्ञापनों के बारे में भरा पड़ा है जो उचित कीमत पर धोखाधड़ी को रोकने का वादा करते हैं। वे विसंगति का पता लगाने या वर्णनात्मक विश्लेषण के साथ धोखाधड़ी की रोकथाम करने का दावा करते हैं। वर्तमान में तीन प्रमुख कंपनियाँ हैं जो बैंक में होने वाली धोखाधड़ी का पता लगनेवाली सॉफ्टवेर को बाज़ार में उपलब्ध करा रही है, जो निम्न हैं :-
Feedzai (फीडजई)
फीडज़ई एक ऐसी कंपनी है जो विसंगति का पता लगाने की तकनीक का उपयोग करते हुए बैंक धोखाधड़ी और मनी लॉन्ड्रिंग रोकथाम का समाधान प्रदान करती है। उनका सॉफ्टवेयर डेटा इंजीनियरों द्वारा उपयोग के लिए डिज़ाइन किया गया है, इसलिए वे कस्टम मशीन लर्निंग मॉडल बना सकते हैं।
Data Vizor (डेटा विजोर)
डेटा विजोर एक ऐसा समाधान है जो भविष्य बताने वाले विश्लेषण के आधार पर काम करता है और ज्यादातर फैसला, जोखिम रेटिंग पर निर्भर करता है। सॉफ्टवेयर प्रदाता एक साथ कई ग्राहक के ऋण आवेदनों में धोखाधड़ी की निगरानी करता है। वे अपेक्षित मशीन लर्निंग विधियों के साथ लेनदेन में भी, सूक्ष्म से सूक्ष्म धोखाधड़ी सहसंबंधों को उजागर करने का प्रयास करते हैं।
Teradata (टेराडाटा)
टेराडाटा उन बैंकों में धोखाधड़ी की निगरानी के लिए सॉफ़्टवेयर प्रदान करता है जिनके पास इसके मूल में AI (Artificial Intelligence) मॉडल है । यह उपयोगकर्ता को संभावित धोखाधड़ी के बारे में सूचित करके मदद करता है जबकि फर्जी तरीके से धोखाधड़ी वाले लेनदेन को चिह्नित करने में मदद करता है ताकि उन का सुधार कर सकें ।
आजकल डिजिटल दुनिया में, बैंकिंग क्षेत्र में धोखाधड़ी का पता लगाने वाला सॉफ्टवेयर बहुत महत्वपूर्ण है। धोखाधड़ी का पता लगाने के लिए पुराने प्रणालियों के विपरीत, मशीन लर्निंग स्मार्ट तरीके से सहसंबंधों को खोजता है और भविष्य में तेजी से और भी अधिक सटीक तरीके से धोखाधड़ी रोकने के लिए उनका उपयोग किया जाएगा।
क्योंकि संगठित अपराध योजनाएँ इतनी जटिल हैं, किसी भी एक तकनीक के आधार पर रक्षा रणनीतियाँ इच्छित परिणाम नहीं दे पाएगी। प्रत्येक मामले को विशेषज्ञ द्वारा तैयार की गई विसंगति का पता लगाने वाली तकनीकों द्वारा समर्थित किया जाना चाहिए। नतीजतन, दोनों पर्यवेक्षित और अपर्यवेक्षित मॉडल धोखाधड़ी का पता लगाने में महत्वपूर्ण भूमिका निभाते हैं और इसे धोखाधड़ी रणनीतियों में व्यापक तौर पर उपयोग किया जाना चाहिए।
पर्यवेक्षित मॉडल, मशीन लर्निंग का सबसे आम रूप है। यह एक ऐसा मॉडल है जिसे “टैग” लेनदेन के सेट पर प्रशिक्षित किया जाता है। प्रत्येक लेनदेन को धोखाधड़ी या गैर-धोखाधड़ी के रूप में चिह्नित किया जाता है। इस पैटर्न को सीखने के लिए बड़े पैमाने पर टैग किए गए लेन-देन के विवरणों को जोड़कर मॉडल प्रशिक्षित किए जाते हैं, जो कि वैध व्यवहारों को सबसे अच्छी तरह से दर्शाते हैं।
अपर्यवेक्षित मॉडल, उन मामलों में विसंगतिपूर्ण व्यवहार करने के लिए डिज़ाइन किए गए हैं जहां टैग किए गए लेनदेन डेटा अपेक्षाकृत कम या मौजूद नहीं हैं। इन मामलों में, डेटा पैटर्न के विश्लेषण के लिए स्व-शिक्षण को बढ़ावा दिया जाना चाहिए ।
अपर्यवेक्षित मॉडल ऐसे आउटलेयर की खोज करने के लिए डिज़ाइन किए गए हैं जो धोखाधड़ी के अनदेखे रूपों का प्रतिनिधित्व करते हैं। यह AI-आधारित तकनीक, लेनदेन की पहचान करके व्यवहार संबंधी विसंगतियों का पता लगाती हैं जो आम व्यवहार के अनुरूप नहीं हैं। सटीकता के लिए, इन विसंगतियों का मूल्यांकन व्यक्तिगत स्तर पर और साथ ही सहकर्मी समूह तुलना के माध्यम से किया जाता है। पर्यवेक्षित और अपर्यवेक्षित मशीन लर्निंग तकनीकों का एक इष्टतम मिश्रण चुनकर, धोखाधड़ी के अधिक सूक्ष्म पैटर्न को पहचानते हुए संदिग्ध व्यवहार के अनदेखे रूपों का पता लगाया जा सकता है ।
प्रत्युष कुमार झा
मुख्य प्रबन्धक
स्टेट बैंक ज्ञानार्जन एवं विकास संस्थान, पटना