Descubra como a IA da Microsoft protege as transações bancárias – Uma história de sucesso da Swift
A banca confia na segurança e fiabilidade das suas instituições e operações. Garantir estes princípios é, então, uma grande prioridade para todos os bancos. Vamos explorar uma iniciativa específica para melhorar a segurança nas transações bancárias.
A organização
A Swift (Society for Worldwide Interbank Financial Telecommunication) permitiu a comunicação entre bancos e instituições financeiras desde a sua fundação, na Bélgica, em 1973. A organização estabelece um padrão usado em todo o mundo. Desta forma, o Swift torna possível transferir, receber e processar dinheiro e segurança anualmente mais de nove mil milhões de mensagens financeiras.
A infraestrutura Swift conecta mais de 11.500 instituições financeiras e fornece serviços e produtos em mais de 200 países ou regiões. A colaboração e as sinergias são fundamentais para a cultura e o sucesso da Swift. Estão habituados a utilizar a sua vasta rede de bancos para encontrar soluções globais para problemas partilhados.
O desafio
Confiança e segurança são a base do negócio da Swift. No entanto, o setor enfrenta um aumento da criminalidade financeira, devido ao aumento das transações transfronteiras e das redes de pagamentos imediatos. Esta questão já está a custar centenas de milhares de milhões anualmente, incluindo a reparação de fraudes e a recuperação de fundos.
O setor exige uma solução para combater eficazmente a criminalidade financeira. Só uma rede tão grande como a da Swift pode levar a cabo um projeto tão exigente. A Microsoft também está colaborando para potencializar essa solução com sua plataforma e modelos de IA.
A solução
A Swift decidiu construir um modelo altamente preciso para a deteção de anomalias para impedir fraudes. A solução está integrada no Azure Machine Learning, a plataforma da Microsoft para gerir sistemas de IA, e utiliza a Computação Confidencial do Azure e o Microsoft Purview para garantir a privacidade dos dados.
A Swift e a Microsoft escolheram a técnica de aprendizagem federada para construir esta IA. Esta abordagem consiste em treinar o modelo em sessões independentes e descentralizadas. A vantagem do aprendizado federado é que os bancos participantes do projeto não são obrigados a compartilhar dados de treinamento, porque cada um deles treina o modelo com seu próprio conjunto de dados.
Seguindo esta filosofia, a Swift desenvolveu um primeiro modelo de deteção de anomalias e partilhou-o com os seus bancos membros. Cada banco está enriquecendo o modelo com seus próprios conjuntos de dados, que aumentam a precisão dos modelos resultantes. Esse fluxo de trabalho é possível porque o Aprendizado de Máquina do Azure permite treinar um modelo com base em conjuntos de dados distribuídos.
A chave para essa arquitetura distribuída é garantir a confidencialidade dos dados. A solução usa a Computação Confidencial do Azure, o Microsoft Purview e uma estrutura de política baseada em confiança zero que garante que o Aprendizado de Máquina do Azure possa ingerir os conjuntos de dados distribuídos sem copiar ou mover dados de seus locais seguros.
Os resultados
A Swift está conseguindo construir o modelo de deteção de anomalias mais preciso para FSI já criado. Esta IA ajudará a proteger os pagamentos em todo o mundo. A solução já é reduzir os custos na remediação de fraudes e recuperação de fundos.
Para saber mais, leia Swift inova com a computação confidencial do Azure para ajudar a proteger as transações financeiras globais.
A seguir, vamos discutir uma história de cliente em seguros.