Combina análisis en tiempo real con búsqueda semántica usando MongoDB Atlas búsqueda vectorial para detectar y prevenir el fraude.
caso de uso: Prevención de fraudes, Gen IA
Industrias: Seguros, Servicios financieros, Venta minorista
Productos y herramientas: MongoDB Atlas, MongoDB Atlas Vector Search, MongoDB Change Streams
Resumen de la solución
El fraude y la lucha contra el blanqueo de capitales (ALD) son preocupaciones importantes para empresas y consumidores, y afectan a las instituciones de servicios financieros en la banca comercial y los mercados de capitales. Los métodos tradicionales para abordar estos problemas, como los sistemas basados en reglas y los métodos de aprendizaje automático, se ven limitados por la sobrecarga de ingeniería necesaria para mantener los modelos actualizados, lo que resulta en tecnologías obsoletas.
MongoDB Atlas Vector Search puede mejorar la detección de fraudes y los esfuerzos contra el lavado de dinero abordando estas limitaciones. Esta solución utiliza análisis en tiempo real y supervisión continua con Atlas Vector Search para detectar y prevenir amenazas emergentes.
Arquitecturas de Referencia
Esta solución agrega datos de fraude y AML, crea incrustaciones de vectores y realiza búsquedas semánticas para detectar transacciones similares. El siguiente diagrama detalla la arquitectura de esta solución:
Figura 1. Arquitectura de alto nivel de un sistema de detección de fraude/AML
Voyage IA para las representaciones: Primero, la solución genera representaciones utilizando un modelo de representación sobre los datos de transacciones. La incrustación de fraude se compone de texto, transacciones y datos de las contrapartes involucradas en una transacción. La incrustación de AML se crea en base a transacciones, relaciones entre contrapartes y sus perfiles de riesgo. Puedes utilizar Voyage IA para crear tus embeddings. También puedes configurar la selección de fuentes de datos utilizadas para crear tus incrustaciones.
La demostración de la solución precarga la base de datos con datos de prueba generados sintéticamente para detectar fraude y incrustaciones de AML. También puede generar incrustaciones utilizando datos históricos de transacciones y perfiles de clientes.
MongoDB Atlas como un almacén de datos operacionales: MongoDB Atlas permite a los usuarios almacenar simultáneamente sus datos operacionales, metadatos y representaciones vectoriales. Esto elimina la necesidad de tecnologías de nicho, como una base de datos vectorial dedicada. Con una arquitectura escalable y la opción de implementar nodos de búsqueda dedicados para el aislamiento de cargas de trabajo, MongoDB ayuda a las organizaciones a escalar con conjuntos de datos en crecimiento y adaptarse dinámicamente a nuevos patrones de fraude o lavado de dinero.
La Búsqueda Vectorial de Atlas potencia la aplicación: La Búsqueda Vectorial de Atlas busca en la base de datos transacciones basadas en el porcentaje de transacciones previas con características similares que fueron marcadas por actividad sospechosa. Esto simula cómo los analistas humanos evaluarían transacciones o casos sospechosos.
Si una transacción es marcada como fraudulenta o sospechosa, la solución rechaza la solicitud de transacción. De lo contrario, completa la transacción con éxito y muestra un mensaje de confirmación. Para las transacciones rechazadas, los usuarios pueden comunicarse con los servicios de gestión de casos con el número de referencia de la transacción para obtener detalles.
Beneficios de la búsqueda vectorial de Atlas
Utilizar la Búsqueda Vectorial de Atlas para la detección y prevención del fraude tiene los siguientes beneficios:
Mayor precisión en la detección de fraudes: MongoDB Vector Search captura patrones complejos y de alta dimensionalidad que los modelos basados en reglas y de aprendizaje automático suelen pasar por alto. Al analizar el contexto completo de las transacciones, MongoDB Vector Search también descubre señales sutiles de fraude, lo que mejora la detección de esquemas sofisticados que los modelos más simples pueden ignorar.
Detecte nuevos esquemas de fraude más rápido: con la detección de anomalías en tiempo real, Atlas Vector Search puede ayudar a identificar nuevas tácticas de fraude o lavado de dinero más rápidamente, reduciendo el riesgo de amenazas emergentes sin la necesidad de un reentrenamiento constante del modelo.
Almacene datos estructurados y no estructurados: MongoDB almacena incrustaciones de vectores junto con los datos fuente y los metadatos. Al insertar o actualizar un vector en la base de datos, este se indexa automáticamente.
Compilar la solución
Este repositorio de GitHub presenta una demo donde un cliente accede al sitio web de un banco para realizar transacciones. Se centra en la etapa de liquidación de la transacción, donde el banco realiza una serie de verificaciones para combatir el fraude y cumplir con las sanciones y leyes AML. La demostración incluye una API que marca a los clientes sancionados, AML y transacciones fraudulentas.
Esta solución requiere un modelo de incrustación para generar incrustaciones vectoriales. La demo enlazada arriba no incluye credenciales de proveedor. Puedes utilizar Voyage IA como tu servicio de embebido.
Lecciones clave
Compila aplicaciones inteligentes impulsadas por la búsqueda semántica y sistemas de IA generativa que utilizan diversos tipos de datos.
Almacene incrustaciones vectoriales con los datos de origen y los metadatos. Si inserta o actualiza vectores, estos se sincronizan automáticamente con el índice de vectores.
Optimiza el consumo de recursos, mejora el rendimiento y aumenta la disponibilidad con Nodos de búsqueda.
Elimine la sobrecarga operativa con MongoDB Atlas.