Hur maskininlärning kan stoppa terrorister från att penningtvätt

0
185
cyber-war-igen-zaw2-1.png
Stock photo

Big Data analytics och kommer att bli ett viktigt verktyg för att upptäcka och förhindra avancerade pengar penningtvätt system som används för att finansiera terroristverksamhet.

För brottslig verksamhet för att köra och för terroristorganisationer att få den finansiering som de behöver för att fungera, pengar som krävs. Vi har kommit långt från den tiden av cloak-and-dagger möten i person och skumma affärer i skuggorna när det gäller penningtvätt, och i stället, brottsbekämpning och banker står inför komplexa system som blir allt svårare för människor att både upptäcka och förebygga.

I en intervju med ZDNet, Mark Gazit, VD för it-företaget ThetaRay sade att medan flera miljarder dollar går förlorade genom cyberfraud varje år, vi kan “anta” att en “betydande” del av detta belopp innebär penningtvätt.

Det är inte så svårt som du kanske tror att tvätta pengar online. Till exempel, en snabb titt genom det Mörka Nätet och du kan hitta otaliga “brickor”, som för en liten avgift, kommer att ta användaren Bitcoin och “tvätta” dem rena, kanalisera dem så att ursprunget för dessa medel inte kan spåras.

Den verkställande säger att terroristgrupper, som ISIS, i allt större utsträckning använder dessa typer av metoder i färska pengar penningtvätt system.

En ny metod, till exempel, är användningen av it-angrepp i vilka operatörer som stjäl inte mer än 1 dollar från en bank konto – men detta sker inte automatiskt till miljoner av konton på en gång. Eftersom det är en så liten mängd, det förblir obemärkt förbi banker och kontoinnehavare sig själva, och detta kan leda till att miljontals dollar på att överföras till terroristorganisationer.

“Dessa grupper vet att de kan inte bara sälja olja och få ett engångsbelopp om 10 miljoner dollar; det skulle identifieras som penningtvätt och fångas upp av de brottsbekämpande myndigheterna,” Gazit säger. “Men genom en flod av micro transaktioner, de kan undgå upptäckt, att skaffa sig de nödvändiga medlen, och fortsätta sin terror verksamhet.”

Andra metoder för tvättning av pengar har nytta av online-spel och virtuella valutor, “kardning” – överföring av pengar till kortet säljare – användning av pengar mulor för att ta ut pengar.

Internet och utvecklingen av datorer och nätverk har visat sig vara en katalysator för ekonomisk tillväxt, sysselsättning och framsteg inom allt från forskning till utbildning över hela världen.

Men det har också lett till en expansion inom it-brottslighet. På en global plattform, kan det vara en svår uppgift för de brottsbekämpande för att inte bara spåra ursprung i brottslig verksamhet – och alla pengar penningtvätt system som är anslutna till det – men också de som är ytterst ansvarig.

Gazit kommenterade:

“En enda person kan nu använda teknik för att bryta sig in i miljontals maskiner och utföra penningtvätt. Teknik som inte bara tillåter det att ske automatiskt; det minskar betydligt risken inför hacker. Han kan vara offshore i ett annat land, att använda Internet för att bryta sig in bankkonton runt om i världen.

Även i det värsta tänkbara scenariot, det enda som händer är att banken identifierar aktivitet och stoppar överföringen.Det är mycket liten risk för honom att bli tillfångatagen och fängslad.”

Om du inte kan nödvändigtvis spåra ursprunget av sådan verksamhet, det näst bästa är att kunna upptäcka det snabbt och stänga av den innan nätverk äventyras eller ekonomiska förluster uppstår.

Enligt den verkställande, som har samband med terrorism pengar penningtvätt system kan stoppas genom anställning av smarta maskiner, Big Data, och analytics.

“Om terrorister kommer att använda smarta maskiner att göra automatiska brott, det är i vårt intresse att anställa de samma maskiner i vår kamp för att stoppa dem,” Gazit säger. “Människan är helt enkelt inte resurser för att upptäcka och förhindra denna typ av bedräglig verksamhet.”

Genom att dra nytta av Big Data, maskin lärande system kan bearbeta och analysera stora strömmar av information i en bråkdel av den tid det skulle ta för mänskliga operatörer. När du har miljontals av finansiella transaktioner som sker varje dag, ML ger en möjlighet för automatiska mönsterigenkännings och potentiellt en större chans att upptäcka misstänkt aktivitet och blockerar det snabbt.

Gazit anser att genom 2017 och därefter kommer vi att börja att förlita sig mer på information och analytics-teknik som använder maskinen lära sig att övervaka transaktioner och rapportera brott i realtid, vilket är allt viktigare om brottslingar kommer att tjäna mindre bedrägerier och terrorism grupper kan också känna nypa ML sprickor ner på penningtvätt.

Den verkställande säger att vi definitivt kommer att se en ökning i användandet av teknik för brottslig vinning i framtiden, oavsett om det är terrorism eller användning av ransomware att utöva utpressning mot både företag och konsumenter på deras pengar.

Men om vi använder de verktyg som står till vårt förfogande, vi kan åtminstone lindra den skada, om inte att stoppa vissa system helt.