Dijital ödemelerde 3 kilit güvenlik önlemi

FINANSGUNDEM.COM - DIŞ HABERLER SERVİSİ

Korona virüs pandemisi nedeniyle alınan karantina önlemleri birçok kişinin hayatın birçok alanında dijital hizmetleri kullanmasına neden oldu. Bu şekilde ödeme yöntemleri de değişti. Ancak online ve dijital ödemelere artan ilgi, siber suçlar için de büyük fırsatlar ortaya çıkardı. Bunun sonucunda tüm dünyada siber suçlarda yükseliş görüldü. Siber suçlardaki yükseliş tüketici algısına da yanısıdı ve siber dolandırıcılık endişeleri yükseldi.

Siber suçların yükselmesiyle birlikte bankalar birçok mağdurun ilk temas kurduğu kurumlar arasında yer aldı. Money Control’un haberine göre bu tür vakaların tüketiciler üzerindeki etkisi, güven ve kullanıcı deneyimi gibi unsurlar dikkate alındığında bankaların bu suçlarla mücadele etmesi için daha fazla kaynağa ve çözüme duyduğu ihtiyacın altını çizdi. Peki bankalar tüketicilerin güvenliğini sağlamak ve siber suçlarla mücadele etmek için hangi önlemleri alabilir?

Gerçek zamanlı siber güvenlik

Geçtiğimiz yıl boyunca gerçek zamanlı ödemelerin kullanımı dikkat çekici şekilde açtı. Küresel gerçek zamanlı ödemelerin en hızlı yükseldiği Hindistan’da 25 milyarın üzerinde gerçek zamanlı işlem gerçekleşti. Ancak gerçek zamanlı ödemelerin kullanımı yaygınlaşırken, siber suçlarda da artış görüldü. Siber güvenlik konusunda geleneksel yaklaşımlar bir saldırının sinyallerini veren ve daha sonra bunu tespit etme yoluna giden yöntemleri içeriyor.

Ancak bu önlemler çoğu zaman siber suçların gerçekleşmesinin ardından devreye giriyor. Bu boyutta bir risk göz önünde bulundurulduğunda geleneksel çözümlerden çok daha fazlasının gerektiği görülüyor. finansgundem.com'un derlediği bilgilere göre makina öğrenimi ve yapay zeka teknolojileri, davranış analiziyle birlikte kullanıldığında, finansal kurumların gerçek zamanlı korumayı devreye koymasını sağlayabilir. Dijital ödemeler çağında, bu önlemleri alan bankalar dolandırıcılık vakalarına karşı çok daha dirençli olabilir ve müşteri deneyiminden ödün vermeyebilir.

Akıllı teknolojiler

Potansiyel saldırı noktalarının artması ve dijital ödemelerin marjı bankaların karlılık üzerindeki etkisini hissetmesine neden oluyor. Bunun sonucunda finans kurumları gerçek zamanlı dolandırıcılık çözümleri sağlamak için makine öğrenimi teknolojisine yöneliyor.

Gelişen bir yapay zeka 2.0 çözümü olan ‘federe makina öğrenimi’ bankaların kişisel veriler sağlamasına ve veri güvenliği konusunda ödün vermeden modellerinin performansını artırmasına imkan tanıyor. Gerçek zamanlı dolandırıcılık verileri ile risk analizi verilerine erişim, ödeme ağlarının dolandırıcılığa karşı güçlenmesini sağlıyor. Bu alanda bir diğer kazanan da sınırlı kaynaklara sahip olan küçük finans kurumları. Veri paylaşımı sayesinde bu kurumlar da gerçek zamanlı risklerle mücadele edebilir.

Proaktif yaklaşımlar

Kimlik doğrulama bilgileri ve diğer kimlik verileri şimdi dolandırıcılar için kart ya da hesap bilgilerinden çok daha önemli. Bu tür veriler yanlış ellere geçtiğinde, müşterilerin toplam birikiminin de üzerinde kredilerin çekilmesine neden olabilir. Bu nedenle bankalar müşteriler için korumayı artırmak istiyorsa, her işlem aşamasında veri koruma konusu her zamankinden daha da önemli.

Davranışsal ölçütler, örneğin bir işlem talebinin müşteriden mi ya da dolandırıcılardan mı geldiğini anlamak için faydalı olabilir. Gerçek zamanlı ödemelerde dolandırıcılar genellikle müşteriyi ödeme yapmaya ittiği için, genellikle geri alınamıyor. Bu nedenle dolandırıcılar müşterinin ödemeyi gerçekleştirmesi için senaryolar üretiyor. Davranışsal biyometrik verileri aynı zamanda tüketicilerin bir sayfada nasıl hareket ettiğini, yazı yazma hızını da tespit ediyor.

Ya da müşteri verilerini girdiği sırada tereddüt ettiği takdirde, bunu da kayıt altına alıyor.

Bankacılık sektöründe yüksek maaş tartışması

Dünyanın en çok satan NFT koleksiyonu

E-ticarete yoğun ilgi