Kimlikleri geniş ölçekte doğrulamak için makine öğreniminin sorumlu kullanımı


Transform 2022’ye katılamadınız mı? İsteğe bağlı kitaplığımızdaki tüm zirve oturumlarına şimdi göz atın! Buraya bak.


Günümüzün son derece rekabetçi dijital pazarında tüketiciler her zamankinden daha fazla yetkilendirilmiş durumda. Hangi şirketlerle iş yapacaklarını seçme özgürlüğüne ve bir anda fikirlerini değiştirmek için yeterli seçeneğe sahipler. Kaydolma veya ilk katılım sırasında müşterinin deneyimini azaltan bir yanlış adım, müşterilerin yalnızca bir düğmeyi tıklatarak bir markayı başka bir markayla değiştirmesine neden olabilir.

Tüketiciler ayrıca şirketlerin verilerini nasıl korudukları konusunda giderek daha fazla endişe duyuyor ve dijital bir dünyada güven oluşturmayı hedefleyen işletmeler için başka bir karmaşıklık katmanı ekliyor. Ankete katılanların yüzde seksen altı KPMG çalışması %78’i toplanan veri miktarıyla ilgili korkularını ifade ederken, veri gizliliği konusunda artan endişeleri bildirdi.

Aynı zamanda, tüketiciler arasında artan dijital benimseme, dolandırıcılıkta şaşırtıcı bir artışa yol açtı. İşletmeler güven oluşturmalı ve tüketicilerin verilerinin korunduğunu hissetmelerine yardımcı olmalı, aynı zamanda arka uçta dolandırıcılığa karşı gerçekten koruma sağlayan hızlı, sorunsuz bir işe alım deneyimi sunmalıdır.

Bu nedenle, yapay zeka (AI), kimlik doğrulama sürecini otomatikleştirme vaadi nedeniyle son yıllarda sahtekarlığı önlemenin gümüş kurşunu olarak abartıldı. Bununla birlikte, dijital kimlik doğrulamasındaki uygulamasıyla ilgili tüm tartışmalara rağmen, AI hakkında çok sayıda yanlış anlama devam ediyor.

Etkinlik

MetaBeat 2022

MetaBeat, 4 Ekim’de San Francisco, CA’da metaverse teknolojisinin tüm endüstrilerin iletişim kurma ve iş yapma şeklini nasıl değiştireceği konusunda rehberlik sağlamak için düşünce liderlerini bir araya getirecek.

Buradan Kaydolun

Gümüş bir kurşun olarak makine öğrenimi

Dünyanın bugün olduğu gibi, bir makinenin insan etkileşimi olmadan kimlikleri başarıyla doğrulayabildiği gerçek yapay zeka mevcut değil. Şirketler, kimlik doğrulaması için yapay zekadan yararlanmaktan bahsettiklerinde, aslında bir yapay zeka uygulaması olan makine öğrenimini (ML) kullanmaktan bahsediyorlar. Makine öğrenimi durumunda, sistem büyük miktarda veri besleyerek ve zaman içinde uyum sağlamasına ve iyileştirmesine veya “öğrenmesine” izin vererek eğitilir.

Kimlik doğrulama sürecine uygulandığında, makine öğrenimi güven oluşturmada, anlaşmazlıkları ortadan kaldırmada ve dolandırıcılıkla mücadelede oyunun kurallarını değiştiren bir rol oynayabilir. Bununla işletmeler, büyük miktarda dijital işlem verisini analiz edebilir, verimlilik yaratabilir ve karar vermeyi iyileştirebilecek kalıpları tanıyabilir. Bununla birlikte, makine öğrenimini ve onu nasıl doğru şekilde kullanacağını tam olarak anlamadan yutturmacaya bulaşmak, değerini azaltabilir ve çoğu durumda ciddi sorunlara yol açabilir. İşletmeler, kimlik doğrulaması için makine öğrenimi ML’sini kullanırken aşağıdakileri dikkate almalıdır.

Makine öğreniminde yanlılık potansiyeli

Makine öğrenimi modellerindeki önyargı, dışlanmaya, ayrımcılığa ve nihayetinde olumsuz bir müşteri deneyimine yol açabilir. Bir makine öğrenimi sistemini geçmiş verileri kullanarak eğitmek, verilerin önyargılarını modellere çevirecek ve bu ciddi bir risk olabilir. Eğitim verileri taraflıysa veya ML sistemlerini oluşturanlar tarafından kasıtsız olarak önyargıya tabiyse, karar verme önyargılı varsayımlara dayanabilir.

Bir ML algoritması hatalı varsayımlar yaptığında, sistemin sürekli olarak yanlış şeyi öğrendiği bir domino etkisi yaratabilir. Hem veri hem de dolandırıcılık bilim adamlarının insan uzmanlığı ve önyargıyı belirleme ve düzeltme gözetimi olmadan, sorun tekrarlanacak ve böylece sorunu daha da kötüleştirecektir.

Yeni dolandırıcılık biçimleri

Makineler, zaten şüpheli olarak tanımlanmış eğilimleri tespit etmede harikadır, ancak önemli kör noktaları yeniliktir. ML modelleri veri kalıplarını kullanır ve bu nedenle gelecekteki faaliyetlerin aynı kalıpları veya en azından tutarlı bir değişim hızını izleyeceğini varsayar. Bu, saldırıların eğitim sırasında sistem tarafından henüz görülmediği için başarılı olma olasılığını açık bırakır.

Bir dolandırıcılık inceleme ekibini makine öğrenimi üzerine yerleştirmek, yeni dolandırıcılığın tespit edilmesini ve işaretlenmesini ve güncellenmiş verilerin sisteme geri beslenmesini sağlar. İnsan dolandırıcılık uzmanları, başlangıçta kimlik doğrulama kontrollerinden geçmiş olabilecek ancak dolandırıcılık olduğundan şüphelenilen işlemleri işaretleyebilir ve daha yakından bakmak için bu verileri işletmeye geri sağlayabilir. Bu durumda, ML sistemi bu bilgiyi kodlar ve algoritmalarını buna göre ayarlar.

Karar vermeyi anlama ve açıklama

Makine öğrenimine karşı en büyük darbelerden biri, kimlik doğrulamada temel bir ilke olan şeffaflık eksikliğidir. Belirli kararların nasıl ve neden alındığını açıklayabilmeli ve ayrıca sürecin her aşaması ve müşteri yolculuğuna ilişkin bilgileri düzenleyicilerle paylaşabilmelidir. Şeffaflığın olmaması, kullanıcılar arasında güvensizliği de besleyebilir.

Çoğu ML sistemi basit bir geçme veya kalma puanı sağlar. Bir kararın arkasındaki süreçte şeffaflık olmadan, düzenleyicilerin ne zaman çağrıda bulunduğunu haklı çıkarmak zor olabilir. ML sistemlerinden gelen sürekli veri geri bildirimi, işletmelerin kararların neden alındığını anlamasına ve açıklamasına ve bilinçli kararlar almasına ve kimlik doğrulama süreçlerinde ayarlamalar yapmasına yardımcı olabilir.

ML’nin kimlik doğrulamada önemli bir rol oynadığına ve gelecekte de bunu yapmaya devam edeceğine şüphe yoktur. Bununla birlikte, makinelerin tek başına, risk eklemeden kimlikleri ölçekte doğrulamak için yeterli olmadığı açıktır. Makine öğreniminin gücü, işletmelerin müşteri sadakati oluşturmasına ve büyümesine yardımcı olacak kararlar almak için insan uzmanlığı ve veri şeffaflığı ile birlikte en iyi şekilde gerçekleştirilir.

Christina Luttrell, GBG Americas’ın CEO’su. akuant ve IDoloji.

DataDecisionMakers

VentureBeat topluluğuna hoş geldiniz!

DataDecisionMakers, veri işi yapan teknik kişiler de dahil olmak üzere uzmanların verilerle ilgili içgörüleri ve yenilikleri paylaşabileceği yerdir.

En yeni fikirleri ve güncel bilgileri, en iyi uygulamaları ve veri ve veri teknolojisinin geleceğini okumak istiyorsanız DataDecisionMakers’da bize katılın.

Kendi makalenize katkıda bulunmayı bile düşünebilirsiniz!

DataDecisionMakers’dan Daha Fazlasını Okuyun


Kaynak : https://venturebeat.com/ai/responsible-use-of-machine-learning-to-verify-identities-at-scale/

Yorum yapın