Pasca penyebaran bencana COVID-19, banyak perubahan perilaku masyarakat dan konsumen yang terjadi. Dengan diberlakukannya lockdown, dunia usaha dan institusi pendidikan terpaksa melanjutkan operasi mereka dari jarak jauh. Fenomena ini menyebabkan lonjakan yang tak terhindarkan dalam penerapan teknologi untuk tugas-tugas rutin. Akibat lainnya atau efek sampingnya kita menyaksikan peningkatan upaya dan insiden penipuan digital (digital fraud)

Kecerdasan Buatan dan Pembelajaran Mesin digunakan di hampir semua bidang. Teknologi ini telah muncul sebagai alat penting untuk menghindari aktivitas penipuan melalui deteksi instan. Meskipun situs web e-niaga menerapkan algoritme untuk merekomendasikan produk kepada konsumen berdasarkan minat mereka, solusi pusat kontak cloud menggunakannya untuk membantu pelanggan secara real-time. Solusi pusat kontak cloud menggabungkan berbagai saluran komunikasi seperti WhatsApp, SMS, Email, dll. ke dalam satu rangkaian payung untuk memungkinkan dukungan pelanggan yang lancar di seluruh saluran tersebut sambil memiliki kompilasi catatan yang komprehensif.

Sistem dan metode deteksi penipuan berbasis aturan dapat mengidentifikasi skenario penipuan yang jelas seperti nomor rekening yang tidak biasa, jenis transaksi, sementara teknologi seperti AI dan ML dapat menemukan korelasi data yang tersembunyi. Selain itu, ML memungkinkan pembuatan algoritme yang memproses kumpulan data besar dan melakukannya lebih cepat, termasuk lebih sedikit pekerjaan manual. Berikut beberapa cara kemajuan teknologi membantu bisnis (Choi & Lee, 2018).

Algoritme yang didukung ML digunakan untuk pemfilteran spam dan pencegahan penipuan. Pelaku kecurangan secara terus-menerus memperbarui parameter peretasan mereka untuk melakukan aktivitas penipuan baru dan untuk menghindari tindakan pencegahan apa pun. Algoritme yang didukung AI menyesuaikan diri dengan parameter peretasan baru pelaku spam untuk menyediakan pemfilteran spam sekaligus melindungi jaringan dari paparan yang tidak beralasan.

AI membantu mencegah penipuan dengan mengkategorikan data dan menandai anomali. Misalnya, SMS palsu dan spoof SMS memiliki format standar untuk mengeksploitasi kerentanan, yang dapat diidentifikasi dengan menguatkannya dengan siaran yang sah (Balasupramanian et al., 2018).

Meskipun algoritma yang didukung Kecerdasan Buatan digunakan untuk mendeteksi dan mencegah penipuan, kurva pembelajarannya masih baru. Keterbatasannya terletak pada kumpulan data yang diberikan kepada mereka. Dengan data yang tidak efisien maka akan timbul solusi yang tidak memadai, sehingga membuat sistem tidak mampu menjalankan fungsi yang ditentukan. Banyak penelitian yang bertujuan untuk membuktikan mekanisme keamanan guna membangun infrastruktur yang kuat dan dinamis, yang cukup menjanjikan untuk melindungi pengguna dari serangan cyber dan mengidentifikasi celah dalam sistem untuk mengatasi kerentanan.

Referensi:

Balasupramanian, N., Ephrem, B. G., & Al-Barwani, I. S. (2018). User pattern based online fraud detection and prevention using big data analytics and self organizing maps. 2017 International Conference on Intelligent Computing, Instrumentation and Control Technologies, ICICICT 2017, 2018–Janua, 691–694. https://doi.org/10.1109/ICICICT1.2017.8342647

Choi, D., & Lee, K. (2018). An Artificial Intelligence Approach to Financial Fraud Detection under IoT Environment: A Survey and Implementation. Security and Communication Networks, 2018. https://doi.org/10.1155/2018/5483472

 

BLH

Image Source: Google Images