কল্পনা করুন একটি নতুন মোবাইল ফোন, একটি আন্তর্জাতিক টিকিট বা একটি বিশেষ উপহার কেনার চেষ্টা করা এবং আপনার লেনদেনকে সন্দেহজনক হিসাবে চিহ্নিত করা এবং একটি জালিয়াতি প্রতিরোধ ব্যবস্থা দ্বারা অবরুদ্ধ করা, কোনো যুক্তিসঙ্গত ব্যাখ্যা ছাড়াই৷ এটি অনলাইন কেনাকাটার নেতিবাচক দিক৷ যদিও এই সিস্টেমগুলি জালিয়াতির বিরুদ্ধে সুরক্ষা এবং একটি সন্তোষজনক কেনাকাটার অভিজ্ঞতা নিশ্চিত করার জন্য ডিজাইন করা হয়েছে, তারা হতাশা এবং ক্ষতির কারণ হতে পারে।.
তথ্য সংগ্রহ এবং ভাগ করে নেওয়ার সূচকীয় বৃদ্ধি, ক্রমবর্ধমান পরিশীলিত জালিয়াতি সিস্টেম এবং কৌশলগুলির দ্রুত ডিজিটাইজেশনের সাথে, বাজার তার প্রতিরক্ষাকে কঠোর করেছে। কিন্তু এই পদক্ষেপটি একটি প্যারাডক্স তৈরি করেছে: অত্যধিক রক্ষা করার চেষ্টা করা ব্যয়বহুল হয়ে উঠছে 'আইটি কেবল রাজস্ব নয়, খ্যাতির ক্ষেত্রেও। এটাকে আমরা মিথ্যা ইতিবাচক বলি, যখন একটি বৈধ লেনদেনকে প্রতারণামূলক হিসাবে ভুল চিহ্নিত করা হয়।.
অতিরিক্ত নিরাপত্তার লুকানো খরচ
আধুনিক প্রতারকরা কোম্পানির মতো কাজ করে: তারা দ্রুত, সংগঠিত এবং প্রচুর পরিমাণে ডেটা দ্বারা চালিত হয়। কৌশলগুলি যেমন “পরিষেবা হিসাবে ফিশিং” ফাঁস হওয়া তথ্য থেকে পরিচয় অনুকরণ করে এবং সিস্টেমে আচরণগত ত্রুটিগুলিকে কাজে লাগায়। তারা আর সুস্পষ্ট নিদর্শন অনুসরণ করে না, ঐতিহ্যগত মডেলগুলিকে অপ্রচলিত করে এবং কোম্পানিগুলিকে নিরাপত্তার আরও শক্তিশালী স্তর খুঁজতে বাধ্য করে।.
প্রতারকরা উদ্ভাবন করার সময়, অনেক আর্থিক পরিষেবা এবং খুচরা কোম্পানি এখনও প্রতিক্রিয়া জানাতে নির্দিষ্ট নিয়মের উপর নির্ভর করে। এটি একটি অনমনীয় এবং অকার্যকর মডেল '''যখন কেনাকাটার অভিজ্ঞতার সাথে আপস করা হয়, তখন রূপান্তরের হার কমে যায় এবং গ্রাহকের আনুগত্য হারিয়ে যায়।.
এবং প্রভাব ছাড়িয়ে যায়: 32% ভোক্তা যারা মিথ্যা ইতিবাচকের মধ্য দিয়ে যায় তারা দোকানদারকে চিরতরে পরিত্যাগ করে। জালিয়াতি বিরোধী সিস্টেমের একটি একক ত্রুটি রাজস্ব এবং খ্যাতির নিশ্চিত ক্ষতির অর্থ হতে পারে। জ্যাভলিন স্ট্র্যাটেজি অ্যান্ড রিসার্চ অনুসারে, এই ত্রুটিগুলি ইতিমধ্যেই মার্কিন খুচরা বিক্রেতাদের প্রতি বছর US$ 118 বিলিয়ন খরচ করেছে জালিয়াতি থেকে প্রকৃত ক্ষতির চেয়ে 13 গুণ বেশি৷ অ্যাকাউন্ট বন্ধ হয় না।.
রিয়েল-টাইম বুদ্ধিমত্তা এবং আচরণগত বিশ্লেষণের গুরুত্ব
এই পরিস্থিতি মোকাবেলা করার জন্য, প্রতিরোধের নতুন যুগের জন্য বুদ্ধিমত্তা প্রয়োজন, অত্যধিক অনমনীয়তা নয়। এর অর্থ হল কৃত্রিম বুদ্ধিমত্তা (AI), রিয়েল-টাইম ডেটা এবং আচরণগত বিশ্লেষণের সংমিশ্রণ ব্যবহার করে ব্যবহারকারীর অভিজ্ঞতার সাথে আপস না করে সঠিক সিদ্ধান্ত নেওয়ার জন্য।.
অ্যালগরিদমগুলির সাহায্যে যা ক্রমাগত শেখে, পৃথক নিদর্শনগুলি বোঝা সম্ভব: অবস্থান, সময়, ডিভাইস, ক্রয়ের ইতিহাস এবং অর্থপ্রদানের পদ্ধতি৷ আচরণটি যে কোনও প্রাক-প্রোগ্রাম করা নিয়মের চেয়ে জোরে কথা বলে৷।.
এটা শুধু “সিম” বা “নট” বলার বিষয়ে নয়, প্রসঙ্গ ব্যাখ্যা করার বিষয়ে। একই গ্রাহক সকালে সাও পাওলো এবং রাতে রিও ডি জেনিরোতে কিছু কিনতে পারেন। তিনি ফোন স্যুইচ করতে পারেন, ব্রাউজার পরিবর্তন করতে পারেন বা ডিভাইসের অপারেটিং সিস্টেম আপডেট করতে পারেন৷ জালিয়াতি বিরোধী সিস্টেমকে এটি বুঝতে হবে এবং লেনদেন ব্লক করবেন না৷।.
মেশিন লার্নিং কৌশল প্রয়োগ করে, কোম্পানিগুলি এমন মডেল তৈরি করতে পারে যা ঐতিহাসিক তথ্য থেকে শেখে এবং সময়ের সাথে সাথে মিথ্যা ইতিবাচক কমাতে পারে। লক্ষ্য হল প্রতিটি ব্যবহারকারীর জন্য স্বাভাবিক কী তা বোঝা এবং শুধুমাত্র পূর্বনির্ধারিত নিয়মের উপর নির্ভর না করে বিচ্যুতি DO সনাক্ত করা। একটি ইউরোপীয় ব্যাঙ্কের ডেটা সহ একটি MIT গবেষণায় দেখা গেছে যে এই কৌশলটি 54% দ্বারা মিথ্যা ইতিবাচক হ্রাস করেছে, যা US$ 220 হাজারের সমতুল্য সঞ্চয় তৈরি করেছে।.
অদৃশ্য প্রমাণীকরণের ভবিষ্যত
নিরাপত্তা এবং রূপান্তরের ভারসাম্য বজায় রাখতে ডেটা ব্যবহারের সাথে মিলিত আরও সঠিক সুপারিশ প্রদানের জন্য AI এবং ব্যবহারকারীর প্রোফাইলের সংমিশ্রণ নতুন প্রযুক্তির দরজা খুলে দেয়। তাদের মধ্যে একটি হল ভেক্টর শনাক্তকারী: একটি সমাধান যা প্রতারণা শনাক্ত করতে সক্ষম এমনকি যখন প্রচেষ্টাটি পরিষ্কার কুকিজ বা বেনামী মোডে ডিভাইসগুলি থেকে চলে যায়।.
এবং যখন প্রতারক এবং ভাল ব্যবহারকারী উভয়ই একই মুখোশের আড়ালে লুকিয়ে থাকে, তখন কীভাবে তাদের পার্থক্য করা যায়? ডিভাইসের “আঙ্গুলের ছাপের সাথে ভেক্টর ডেটা একত্রিত করে, সিস্টেমটি সেই ব্যবহারকারীর সাধারণ আচরণ বুঝতে পারে এবং অসঙ্গতিগুলি আরও ভালভাবে সনাক্ত করতে পারে। এটি নিরাপত্তার সাথে আপস না করে অপ্রয়োজনীয় লক এড়িয়ে নির্ভুলতা বৃদ্ধি করে।.
এই মডেলে, ছোট বৈচিত্রগুলিকে প্রাসঙ্গিক বুদ্ধিমত্তার সাথে বিবেচনা করা হয় (ব্যবহারকারীর প্রত্যাশিত প্যাটার্নের উপর ভিত্তি করে অসঙ্গতিগুলি সনাক্ত করতে ব্যবহৃত হয়৷ সূক্ষ্ম পরিবর্তনগুলি (যেমন একটি সফ্টওয়্যার আপডেট) সতর্কতা ট্রিগার করে না, তবে উল্লেখযোগ্য পরিবর্তনগুলি (যেমন অপারেটিং সিস্টেম পরিবর্তন বা ভূ-অবস্থান পরিবর্তন) যদি তারা স্বাভাবিক আচরণের বাইরে থাকে তবে পতাকাঙ্কিত করা যেতে পারে। এটি নিরাপত্তার নতুন সীমানা: পর্দার আড়ালে কাজ করা, ঘর্ষণ ছাড়াই। সর্বোত্তম জালিয়াতি বিরোধী সিস্টেম হল এমন একটি যা গ্রাহক এমনকি লক্ষ্য করেন না।.
নিরাপত্তা যা বিক্রয় চালায়, অন্যভাবে নয়
কোম্পানিগুলি বিশ্বাস করে যে কিছু বৈধ লেনদেন প্রত্যাখ্যান করা ভাল, এমনকি যদি এটি রূপান্তর হারকে কিছুটা কমিয়ে দেয়, একটি জালিয়াতির পরিণতি ভোগ করার চেয়ে।.
অতএব, নিরাপত্তা এবং সুবিধার ভারসাম্য বজায় রাখে এমন একটি জালিয়াতি প্রতিরোধ সমাধান গ্রহণ করা একটি বাস্তব বাজারের প্রয়োজন। নিরাপত্তা এবং ব্যবহারকারীর অভিজ্ঞতাকে বিরোধী শক্তি হতে হবে না (তাদের অবশ্যই একসাথে যেতে হবে। এর জন্য, গোপনীয়তাটি সঠিকতার মধ্যে রয়েছে, অনমনীয়তা নয়।.
মিথ্যা ইতিবাচক যুগের জন্য কোম্পানিগুলিকে স্মার্ট প্রযুক্তি যেমন AI, আচরণগত বিশ্লেষণ এবং উন্নত জালিয়াতি সনাক্তকরণ সরঞ্জামগুলিতে বিনিয়োগ করতে হবে৷ এই উদ্ভাবনগুলি বৈধ বিক্রয়কে ত্যাগ না করে এবং সবচেয়ে গুরুত্বপূর্ণভাবে, গ্রাহকদের দূরে সরিয়ে না দিয়ে ক্ষতি হ্রাস করে৷।.
নিরাপত্তা এবং গ্রাহক অভিজ্ঞতা বিপরীত হয় না যখন ভাল করা হয়, হাতে যান। সুরক্ষা প্রদান বাধ্যতামূলক। কিন্তু অভিজ্ঞতার সাথে আপস না করে তা করাই আজকের ক্রমবর্ধমান প্রতিযোগিতামূলক বাজারে পার্থক্য তৈরি করে।.
থিয়াগো বার্টাচিনি, নেথনের বিক্রয় প্রধান
