Ontdek hoe Microsoft AI transacties in het bankwezen beveiligt – een Swift-succesverhaal
Het bankwezen is afhankelijk van de veiligheid en betrouwbaarheid van hun instellingen en activiteiten. Het garanderen van deze principes is dan een belangrijke prioriteit voor alle banken. Laten we een specifiek initiatief verkennen om de beveiliging van banktransacties te verbeteren.
De organisatie
Swift (Society for Worldwide Interbank Financial Telecommunications) maakte communicatie mogelijk tussen banken en financiële instellingen sinds het in 1973 in België werd opgericht. De organisatie stelt een standaard in die overal ter wereld wordt gebruikt. Op deze manier maakt Swift het mogelijk om jaarlijks meer dan negen miljard financiële berichten over te dragen, te ontvangen en te verwerken.
Swift-infrastructuur verbindt meer dan 11.500 financiële instellingen en levert diensten en producten in meer dan 200 landen of regio's. Samenwerking en synergieën zijn essentieel voor de Swift-cultuur en het succes. Ze worden gebruikt om hun enorme netwerk van banken te gebruiken om wereldwijde oplossingen voor gedeelde problemen te vinden.
De uitdaging
Vertrouwen en beveiliging vormen de basis van Swift's bedrijf. De industrie heeft echter te maken met een toename van de financiële misdaad, vanwege de toename van grensoverschrijdende transacties en directe betalingsnetwerken. Dit probleem kost al honderden miljarden per jaar, waaronder fraudeherstel en fondsherstel.
De sector vraagt om een oplossing om de financiële misdaad effectief te bestrijden. Alleen een netwerk zo groot als Swift's kan een dergelijk veeleisende project uitvoeren. Microsoft werkt ook samen om deze oplossing te gebruiken met hun platform- en AI-modellen.
De oplossing
Swift heeft besloten een zeer nauwkeurig model te bouwen voor anomaliedetectie om fraude te stoppen. De oplossing is gebouwd in Azure Machine Learning, het Microsoft-platform voor het beheren van AI-systemen en maakt gebruik van Azure Confidential Computing en Microsoft Purview om gegevensprivacy te garanderen.
Swift en Microsoft hebben gekozen voor de federatieve leertechniek om deze AI te bouwen. Deze benadering bestaat uit het trainen van het model in onafhankelijke, gedecentraliseerde sessies. Het voordeel van federatief leren is dat banken die deelnemen aan het project, geen trainingsgegevens hoeven te delen, omdat elk van hen het model traint met hun eigen gegevensset.
Na deze filosofie heeft Swift een eerste anomaliedetectiemodel ontwikkeld en gedeeld met hun lidbanken. Elke bank verrijkt het model met hun eigen gegevenssets, waardoor de nauwkeurigheid van de resulterende modellen wordt verhoogd. Deze werkstroom is mogelijk omdat u met Azure Machine Learning een model kunt trainen op basis van gedistribueerde gegevenssets.
De sleutel voor deze gedistribueerde architectuur zorgt voor vertrouwelijkheid van gegevens. De oplossing maakt gebruik van Azure Confidential Computing, Microsoft Purview en een beleidskader op basis van nul vertrouwen dat ervoor zorgt dat Azure Machine Learning de gedistribueerde gegevenssets kan opnemen zonder gegevens van hun beveiligde locaties te kopiëren of te verplaatsen.
De resultaten
Swift is erin geslaagd het meest nauwkeurige anomaliedetectiemodel te bouwen voor FSI dat ooit is gemaakt. Deze AI helpt betalingen over de hele wereld te beschermen. De oplossing vermindert al kosten in fraudeherstel en fondsherstel.
Lees Swift innoveren met Azure Confidential Computing om wereldwijde financiële transacties te beveiligen voor meer informatie.
Laten we nu een klantverhaal bespreken in de verzekering.