Skip to main content

Inovasi

18 Juli 2024

 

Di dalam algoritme: Bagaimana teknologi AI dan grafik menindak para pembobol kartu

Seorang ilmuwan data dengan AI Garage Mastercard mengungkapkan apa yang ada di balik upaya terbaru perusahaan untuk mendeteksi kartu yang dikompromikan.

Angka-angka di layar dengan hamparan garis yang menghubungkannya untuk mengilustrasikan deteksi kecurangan menggunakan AI.

Elyse Cuttler

Director, Global Communications, Mastercard

Penipuan online adalah bisnis besar, dan mereka yang terlibat di dalamnya mengenakan banyak topi: peretas, pemasar, penjual, bahkan spesialis layanan pelanggan.

Dengan menggunakan spyware, malware, dan praktik lain seperti skimming kartu, penipu mencuri jutaan nomor kartu pembayaran dan menjualnya kembali di situs web ilegal. Mereka bahkan mengiklankan hasil jarahan mereka dengan nomor kartu yang diungkap sebagian - informasi yang cukup untuk menggoda calon pelanggan, tetapi tidak cukup untuk mengidentifikasi kartu dan menghentikan penipuan di masa depan.

Sampai sekarang. Menggunakan kombinasi AI generatif, yang melatih dirinya untuk membuat konten baru berdasarkan kumpulan data besar, dan teknologi grafik, yang dapat mendeteksi hubungan dan pola di antara titik-titik data, ilmuwan data Mastercard sekarang dapat mengungkap kartu yang dikompromikan ini sebelum digunakan pada tingkat deteksi dua kali lipat dari sebelumnya.

Yatin Katyal adalah bagian dari tim di Garage AI Mastercard yang mengembangkan algoritma. Para ilmuwan data yang sebagian besar berbasis di Gurgaon, India, mengembangkan solusi siber dan intelijen, menerapkan keahlian AI mereka pada tantangan yang dihadapi baik di dalam perusahaan maupun oleh pelanggan, dan terlibat dalam penelitian yang menghasilkan paten di berbagai bidang, seperti data berurutan, pemodelan grafik, dan pemodelan data sintetis.

Mastercard Newsroom baru-baru ini meminta Katyal untuk melihat di bawah kap bagaimana AI Garage mengatasi tantangan dan bagaimana ia menggunakan teknologi yang muncul untuk memerangi penipuan. "Hal yang terbaik adalah ketika algoritme Anda akhirnya mulai bekerja," katanya. "Bagi saya, ini lebih merupakan seni daripada metode sampai Anda bisa menyelesaikannya."

Mastercard telah menggunakan kecerdasan buatan dalam solusi keamanan siber selama bertahun-tahun. Bagaimana kita memanfaatkan AI dengan cara baru untuk mengidentifikasi kartu yang disusupi dengan lebih baik?

Katyal: Kami telah bekerja sama dengan tim Cyber Secure kami, yang membantu bank di seluruh dunia secara proaktif mengidentifikasi kerentanan cyber dan mendeteksi potensi pelanggaran data, untuk membuat algoritma untuk mengidentifikasi lebih banyak kartu Mastercard yang disusupi di situs web ilegal. Tantangan utamanya adalah bahwa hanya sebagian dari nomor kartu yang dapat diidentifikasi. Hal ini dikarenakan penipu menempatkan sebagian dari 16 digit kredensial kartu di situs web ilegal untuk dijual kepada penjahat lainnya. Dengan hanya informasi parsial - empat digit terakhir, misalnya - data tersebut dapat dikaitkan dengan satu kartu atau lebih, sehingga membuat masalah menjadi sangat sulit untuk dipecahkan.

Kami juga melihat bahwa kartu yang berpotensi bocor di situs web ilegal ini, tidak mengherankan, digunakan dalam proporsi yang lebih tinggi dari apa yang disebut serangan BIN - di mana penipu menggunakan perangkat lunak otomatis untuk menebak dan menguji berbagai kombinasi nomor kartu kredit, dimulai dengan nomor identifikasi bank - dan kasus penipuan. Namun, pola-polanya terus bergeser seiring dengan berkembangnya metodologi para penyerang dengan cepat. Hal ini mendorong kami untuk mempertimbangkan penggunaan teknologi basis data grafik, yang berfokus pada hubungan antara titik-titik data dan dapat melacak semua kartu yang berpotensi berisiko atau bocor dalam jaringan untuk meningkatkan algoritme prediksi kami.

Jadi, bagaimana cara kerjanya?

Katyal: Kami menggunakan transaksi penipuan yang baru saja dilaporkan, merchant yang diketahui atau dicurigai telah disusupi, dan sinyal lain seperti pengujian transaksi yang sudah diotorisasi, untuk memindai aktivitas terbaru yang mungkin merupakan penipuan. Kami tidak secara langsung memindai situs web ilegal untuk mencari kartu yang disusupi - kami bekerja sama dengan mitra dan pihak ketiga untuk mendapatkan data yang kami perlukan untuk melacak aktivitas penipuan.

Dengan menggunakan AI generatif, algoritme canggih, dan teknologi grafik, kami dapat memprediksi nomor kartu 16 digit penuh dari kartu-kartu yang telah disusupi dan kemungkinan kartu-kartu tersebut digunakan oleh penjahat. Informasi ini akan memungkinkan bank untuk memblokir kartu yang mencurigakan lebih cepat dari yang kami perkirakan sebelumnya. Algoritme ini menganalisis kartu dan merchant, menghasilkan hubungan di antara keduanya berdasarkan risiko yang terkait. Tautan ini terus dibuat atau dibatalkan dengan setiap iterasi data baru. Setelah proses ini, algoritme menghasilkan daftar kartu yang berpotensi berisiko di situs web ilegal dan menunjukkan kemungkinan kartu tersebut digunakan oleh penjahat.

Apa keunggulan yang diberikan teknologi grafik Mastercard dan pelanggannya?

Katyal: Kami sudah menggunakan AI untuk mendeteksi dan menghentikan penipuan kartu. Tetapi dengan menggunakan AI generatif, teknologi ini memungkinkan kita untuk melindungi transaksi masa depan dengan lebih baik dari ancaman yang muncul daripada yang mungkin dilakukan dengan solusi berbasis statistik atau pembelajaran mesin tradisional. Teknologi grafik membantu melacak aktivitas di seluruh jaringan Mastercard, membuatnya lebih efisien.

Sebagai contoh, satu kartu dapat memetakan ke 200 kartu, dengan tautan berisiko ke satu merchant di mana 30 kartu yang disusupi digunakan. Kami dapat memberi tahu bank dengan lebih cepat dan dengan akurasi yang lebih tinggi. Kartu-kartu tersebut kemudian dapat diblokir dan diterbitkan kembali. Percobaan transaksi pada kartu yang disusupi dapat terus dipantau untuk mengurangi penipuan dan meningkatkan keamanan siber.

Kami telah memasukkan teknologi ini ke dalam Cyber Secure, yang memungkinkan penerbit dan pedagang untuk lebih memahami dan menilai risiko cyber di seluruh sistem mereka, sehingga mencegah potensi pelanggaran.