План Бхарата Сому по использованию агентского искусственного интеллекта для борьбы с финансовым мошенничеством
18 июня 2025 г.По мере того, как цифровая трансформация глобальной финансовой системы ускоряется, так же также делает сложность киберугрозов. Финансовые учреждения в настоящее время сталкиваются с огромной проблемой: защита триллионов долларов, протекающих через все более сложные и подключенные банковские инфраструктуры. На пересечении искусственного интеллекта, ориентированной на конфиденциальность архитектуры и передовой аналитики рисков стоит Бхарат Сому-старший инженер и ведущая сила, стоящие за системами предотвращения мошенничества в цифровых финансах.
Недавно опубликованное исследование Bharath под названием под названием под названием«Агентное предотвращение мошенничества с AI-с поддержкой: модели многоагентного сотрудничества для обнаружения и реагирования угроз в реальном времени в цифровом банкинке», описывает амбициозную, но практическую дорожную карту для использования ИИ и распределенного интеллекта для борьбы с современным мошенничеством. В рамках более широкой академической и промышленной миссии работа Бхарата объединяет понимание многоагентных систем, федеративного обучения и поведенческой аналитики для создания механизмов обнаружения мошенничества, которые являются не только точными, но и уважаемыми и адаптируемыми конфиденциальностью.
От традиционных барьеров до инноваций, вызванных AI
Исторически, банки опирались на системы, основанные на правилах, и контролировали модели обучения, обученные наборам данных устаревших данных. Несмотря на эффективность против известных моделей мошенничества, эти системы изо всех сил пытались обнаружить новые или низкочастотные атаки, особенно те, которые используют скомпрометированные полномочия, синтетические идентичности или социальную инженерию. Бхарат утверждает, что этот подход, часто централизованный и реактивный, больше не является адекватным.
Вместо этого, его исследование предлагает переход к децентрализованной модели, основанной наАгент ИИ- Парадигма, где автономные программные агенты сотрудничают, учатся и адаптируются в режиме реального времени в распределенных средах. Эти агенты предназначены для обмена интеллектами для угроз без разоблачения конфиденциальных данных о клиентах, что стало возможным благодаря федеративному обучению и дифференциальной структуре конфиденциальности.
Что отличает модель Бхарата, так это ее акцент на межорганизационной синергии. Позволяя банкам совместно обучать алгоритмы обнаружения мошенничества без использования необработанных данных о транзакциях, модель способствует совместной устойчивости при сохранении институциональной автономии.
Агентная разведка и совместная защита
Центральным элементом Framework Bharath является многоагентная архитектура, предназначенная для обнаружения мошенничества в разных измерениях-поведенческие аномалии, подделка устройств и необычные потоки транзакции-путем моделирования банковских взаимодействий в реальном времени. Каждый агент специализируется на конкретной задаче: мониторинг метаданных транзакций, отображение траекторий поведения пользователей или подлинность проверки устройства.
Когда агенты обнаруживают подозрительные закономерности, они асинхронно общаются через зашифрованный автобус сообщений, используя алгоритмы консенсуса, взвешенные с трастами, чтобы определить, должна ли транзакция быть помечена для дальнейшего рассмотрения. Эти пути решения являются проверенными, интерпретируемыми и предназначены для поддержки времени отклика в реальном времени в высокочастотных средах.
Эта модель автономных агентов, образующих децентрализованный консенсус, хорошо соответствует потребностям современного банковского дела. Архитектура позволяет институтам развиваться от обнаружения пассивного мошенничества до активного ожидания мошенничества, создавая систему, которая становится более интеллектуальной по мере масштаба.
Федеративное обучение и аналитика рисков с ценой конфиденциальности
Повторяющейся темой в работе Бхарата является баланс между эффективностью и этикой. Проблемы конфиденциальности особенно острые в финансовом секторе, где конфиденциальная информация пользователя является как целью, так и ответственностью.
Чтобы решить это, предлагаемая система избегает традиционной централизации данных. Вместо этого каждый банк локально тренирует свою модель обнаружения мошенничества, используя запатентованные данные. Затем эти модели обмениваются обновлениями зашифрованных параметров, а не записи клиентов - в защищенном федеральном обучении. В результате банки могут извлечь выгоду из коллективного интеллекта экосистемы без риска нарушений конфиденциальности.
Дальнейшим укреплением этого фундамента является подход моделирования байесовских уязвимости, который объясняет состязательные попытки ввести в заблуждение систему. Эта вероятностная структура позволяет агентам адаптироваться к новым векторам атаки, перемещая модель обнаружения мошенничества с статического набора правил на живую, отзывчивую сеть.
Реальная актуальность и готовый дизайн в будущем
Работа Бхарата не просто академическая. Его роль в American Express включает в себя разработку готовых к производству инструментов ИИ для целостности транзакций и соответствия нормативным требованиям. От борьбы с синтетической идентичностью до организации устойчивых облачных инфраструктур, его решения моются передовые исследования с реальным применением.
В одном из его заметных развертываний модели Bharath позволили упреждающему обнаружению мошенничества на платформе цифрового банкинга, ориентированной на гостеприимство, динамически адаптируясь к уникальным профилям поведения партнеров по гостинице и их корпоративным клиентам. Это продемонстрировало масштабируемость его подхода в разных отраслях со сложным транзакционным поведением.
Более того, интеграция модели с практикой инфраструктуры как кода и принципами с нулевым достопримечательностью обеспечивает совместимость с современными DevOps и протоколами соответствия, что позволяет беспрепятственно развертывание в глобальных финансовых экосистемах.
К более умному, более безопасному финансовому будущему
Поскольку ИИ продолжает переопределять ландшафт цифрового доверия и безопасности, исследования Бхарата Сому выделяются как маяк этических инноваций. Его агент, сохраняющий конфиденциальность, связан не только с более умными алгоритмами, но и о фундаментальном переосмыслении, как учреждения сотрудничают, адаптируются и укрепляют доверие ко все более враждебному цифровому ландшафту.
Вместо того, чтобы рассматривать мошенничество как изолированную техническую проблему, Бхарат размещает его в более широком контексте системной устойчивости, регулирующей интеллекты и адаптивных экосистемы. При этом он предлагает убедительный план для того, как финансовые учреждения могут процветать в эпоху ИИ - не работая в одиночку, но и, работая умнее вместе.
«В мире, где финансовое мошенничество развивается ко второму, устойчивость должна быть интеллектуальной, распределенной и совместной», -Бхарат Примечания.«С агентским ИИ мы строим это будущее - одно взаимодействие за раз».
Оригинал