Assim como as ondas de violações de segurança cibernética, a fraude financeira está crescendo.
Os crimes cibernéticos custam US$ 600 bilhões por ano à economia mundial, valor equivalente a 0,8% do PIB, de acordo com uma estimativa de 2018 da McAfee. Além disso, o escritório de consultoria Accenture prevê que, até 2024, os ataques cibernéticos podem custar US$ 5,2 trilhões às empresas em todo o mundo.
Os cartões bancários e de crédito são os principais alvos. A American Express, que realiza mais de oito bilhões de transações por ano, está usando deep learning em GPUs NVIDIA para combater fraudes.
Agora, a empresa usa modelos baseados em deep learning otimizados com NVIDIA TensorRT e executados no Servidor de Inferência NVIDIA Triton para detectar fraudes, segundo anúncio do CEO da NVIDIA, Jensen Huang, na abertura do GTC – GPU Technology Conference, em 05 de Outubro.
O NVIDIA TensorRT é um otimizador de inferências e tempo de execução de deep learning de alto desempenho que minimiza a latência e maximiza o rendimento.
O software do Servidor de Inferência NVIDIA Triton simplifica a implementação de modelos em escala e pode ser usado como um microsserviço que possibilita que os softwares usem modelos de AI na produção do data center.
“Nossos algoritmos de fraude monitoram, em tempo real, todas as transações da American Express realizadas no mundo, evitando gastos de mais de US$ 1,2 trilhões por ano, e somos capazes de decidir se uma transação é fraudulenta em milissegundos”, afirmou Manish Gupta, Vice-Presidente de Pesquisa em Machine Learning e Ciência de Dados da American Express.
Sessão de Compras On-line
Desde o começo da pandemia, as compras on-line aumentaram consideravelmente. Só nos Estados Unidos, o comércio eletrônico cresceu 49% em abril em comparação com o início de março, de acordo com o Índice Econômico Digital da Adobe.
Esse aumento mostra que há menos dinheiro físico e mais dinheiro digital em circulação. Com isso, o uso de cartões bancários e de crédito também cresceu, aumentando o número de fraudes.
“Os criminosos lucraram US$ 3,88 bilhões a mais em 2018 do que em 2017 com a fraude de cartões”, afirmou David Robertson, Editor do The Nilson Report, que acompanha informações sobre o setor mundial de pagamentos.
A American Express, que tem mais de 115 milhões cartões de crédito ativos, mantém a taxa de fraude mais baixa do setor há 13 anos consecutivos, de acordo com o The Nilson Report.
“Nossa maior prioridade é garantir que os usuários e operadores de cartões retornem, então é fundamental manter as taxas de fraude baixas para cumprir esse objetivo”, afirmou Gupta.
Detecção de Irregularidades com GPUs
Com o aumento das transações on-line, os fraudadores estão realizando ataques mais complexos, pois as empresas financeiras reforçaram suas medidas de segurança.
Um fator que é mais fácil de monitorar são os padrões irregulares de despesas. Esses tipos de transações realizadas com um cartão, conhecidas como “fora do padrão”, podem mostrar que o cliente comprou um café em São Francisco e, cinco minutos depois, um botijão de gás em Los Angeles.
Esses sinais de irregularidades são identificados com redes neurais recorrentes (RNNs), que são excelentes em adivinhar o próximo item de uma sequência de dados.
A American Express implementou redes com memória de longo e curto prazo (LSTMs), que podem oferecer um desempenho superior nas RNNs.
Com elas, é possível resolver os problemas de latência e precisão, duas áreas nas quais a American Express mostrou avanços. As equipes usaram sistemas NVIDIA DGX para criar e treinar os modelos de LSTM com grandes volumes de dados estruturados e não estruturados usando o TensorFlow.
50 Vezes Melhores que CPUs
A rede LSTM otimizada pelo NVIDIA TensorRT que foi lançada recentemente ajuda o sistema responsável pela análise de dados de dezenas de milhões de transações diárias em tempo real. Agora, ela é usada com o Servidor de Inferência NVIDIA Triton em GPUs NVIDIA T4 para realizar inferências em frações de segundos.
Os resultados são positivos: a American Express conseguiu implementar um sistema avançado e mais preciso de detecção de fraudes em tempo real. Ele funciona com uma latência de 2 milissegundos, um valor 50 vezes melhor que uma configuração baseada em CPU, que não consegue atingir a meta.
A rede neural profunda LSTM acelerada por GPUs da gigante do setor financeiro, em conjunto com o modelo consagrado de Gradient Boosting Machine (GBM), usado em regressões e classificações, aumentou a precisão da detecção de fraudes em até 6% em segmentos específicos.
A precisão é importante. Um falso positivo que nega uma transação legítima de um cliente gera uma situação desagradável tanto para o usuário quanto para o operador, segundo a American Express.
“Principalmente no cenário atual, nossos clientes precisam de nós mais do que nunca, por isso oferecemos a eles a melhor proteção de fraude e os melhores serviços”, afirmou Gupta.