Découvrez comment l’IA Microsoft sécurise les transactions dans le secteur bancaire : une histoire de réussite Swift
Les banques s’appuient sur la sécurité et la fiabilité de leurs institutions et opérations. Garantir ces principes est alors une priorité majeure pour toutes les banques. Examinons une initiative spécifique visant à améliorer la sécurité dans les transactions bancaires.
L’organisation
Swift (Society for Worldwide Interbank Financial Telecommunication) a permis la communication entre les banques et les institutions financières depuis sa création en Belgique en 1973. L’organisation définit une norme utilisée partout dans le monde. Ainsi, Swift permet de transférer, recevoir et traiter l’argent et la sécurité annuellement plus de neuf milliards de messages financiers.
L’infrastructure Swift connecte plus de 11 500 institutions financières et fournit des services et des produits dans plus de 200 pays ou régions. La collaboration et les synergie sont essentielles pour la culture et le succès swift. Ils sont habitués à utiliser leur vaste réseau de banques pour trouver des solutions globales aux problèmes partagés.
Le défi
La confiance et la sécurité constituent la base de l’activité de Swift. Toutefois, l’industrie est confrontée à une hausse de la criminalité financière, en raison de l’augmentation des transactions transfrontalières et des réseaux de paiement instantané. Cette question coûte déjà des centaines de milliards par an, y compris la correction des fraudes et la récupération de fonds.
Le secteur exige une solution pour lutter efficacement contre la criminalité financière. Seul un réseau aussi grand que Swift peut réaliser un tel projet exigeant. Microsoft collabore également pour alimenter cette solution avec leur plateforme et leurs modèles IA.
La solution
Swift a décidé de créer un modèle très précis pour la détection d’anomalies afin d’arrêter la fraude. La solution est intégrée à Azure Machine Apprentissage, la plateforme Microsoft pour la gestion des systèmes IA et utilise l’informatique confidentielle Azure et Microsoft Purview pour garantir la confidentialité des données.
Swift et Microsoft ont choisi la technique d’apprentissage fédérée pour créer cette IA. Cette approche consiste à former le modèle dans des sessions indépendantes et décentralisées. L’avantage de l’apprentissage fédéré est que les banques participant au projet ne sont pas tenues de partager des données d’apprentissage, car chacune d’elles entraîne le modèle avec son propre jeu de données.
À la suite de cette philosophie, Swift a développé un premier modèle de détection d’anomalies et l’a partagé avec ses banques membres. Chaque banque enrichit le modèle avec ses propres jeux de données, ce qui augmente la précision des modèles résultants. Ce workflow est possible, car Azure Machine Apprentissage vous permet d’entraîner un modèle basé sur des jeux de données distribués.
La clé de cette architecture distribuée garantit la confidentialité des données. La solution utilise l’informatique confidentielle Azure, Microsoft Purview et une infrastructure de stratégie basée sur une confiance zéro qui garantit qu’Azure Machine Apprentissage peut ingérer les jeux de données distribués sans copier ou déplacer des données à partir de leurs emplacements sécurisés.
Les résultats
Swift réussit à créer le modèle de détection d’anomalie le plus précis pour FSI jamais créé. Cette IA aidera à protéger les paiements partout dans le monde. La solution réduit déjà les coûts de correction des fraudes et de récupération de fonds.
Pour en savoir plus, lisez Swift innove avec l’informatique confidentielle d’Azure pour sécuriser les transactions financières mondiales.
Nous allons ensuite discuter d’une histoire de client dans l’assurance.