2018.11.12.

Mesterséges intelligencia a Fintechlab Hackathonon

Szerző:

Ki védi meg az adatainkat, pénzünket a digitális térben a csalókkal szemben? Miért megy a biztonság az ügyfélélmény rovására? Hogyan lehetne a mesterséges intelligenciával nagyobb biztonságban a pénzünk, a személyazonosságunk, a digitális lábnyomunk? A fintech hackathonon most ezzel a kihívással is megküzdhetnek a 2-4 fős csapatok 2018. november 30. – december 2. között. Aktuális infok, hasznos tudnivalók a fintech hackathonra készülőknek a “Mesterséges intelligencia és a biztonságos pénzügyek” témában.

KIHÍVÁSOK

2018. november 30. – december 2. között kerül megrendezésre a Fintechlab Hackathon, ahol a csapatoknak 30 óra alatt kell lefejleszteniük demonstrálható megoldást a meghirdetett négy kihívás valamelyikére. Az idei évi kihívások:

#1

Nyílt bankolás és pénzügyi tudatosság

#2

AI és biztonságos pénzügyek

#3

Azonnali
fizetési megoldások

#4

Környezet-tudatosság és nyílt bankolás

Ha a Fintechlab Hackathon felhívást keresed, vagy a csapatotok készen áll a jelentkezésre, akkor kattints az alábbira:

#2

mesterséges intelligencia és biztonságos pénzügyek

A nyílt adatok világában az adatok biztonsága egyre fontosabbá válik. A pénzügyi világban az ügyfelek pénzügyi vagy személyes adatainak biztonsága nem kockáztatható. A következő években még jobban felértékelődik a biztonságosabb hozzáférés-kezelést, ügyfélazonosítást, a személyes adatok védelmét biztosító megoldások szerepe.

Ugyanakkor a biztonság nem mehet az ügyfélélmény rovására, így egyre nagyobb kihívást jelent a kettő közötti egyensúly megtalálása. 

Miképpen lehet egyre kevesebb személyes adat, információ bekérése mellett biztosítani a maximális biztonságot úgy, hogy közben ne sérüljön a szolgáltatások ügyfélélménye?

A lehetséges megoldás várhatóan a gépi tanulásban, a mesterséges intelligenciában rejlik, amihez az út a nyílt adatokon, a nyílt API hozzáféréseken és a digitális lábnyomelemzésen keresztül vezet majd.

Pénzmosás- és csalásmegelőzés: az online onboarding esetében a potenciális ügyfél csaláselkövetési kockázati valószínűségének elemzése rendkívül fontos. A valós idejű, friss adatokon alapuló kockázatelemzés nem csak az onboardingnál, hanem a teljes működés során elengedhetetlen.

A gépi tanuláson alapuló megoldások nemcsak az onboarding esetén, hanem a különböző online tranzakciók során lehetséges visszaélések kiszűrésében és megakadályozásában is hatékonyak lehetnek. Ezek a megoldások képesek lehetnek valós időben kielemezni az ügyfelek digitális lábnyomát, valamint az online viselkedési mintázataikat.

A Fintechlab Hackathonon a csapatok a számlainformációkat összesítő, valamint a fizetéskezdeményezési API-khoz és tesztadatokhoz hozzáférést kapnak, amelyeket felhasználhatnak a gépi tanuláshoz, a mesterséges intelligencia alapú megoldások fejlesztéséhez. A sikeres felkészülés érdekében javasoljuk az API szabványok* és az alábbi oldalak áttekintését:

The Berlin Group

OpenBanking.org

MKB Bank Sandbox

MILYEN PROBLÉMÁRA KERESÜNK MEGOLDÁSOKAT?

Becslések szerint az online bűnözéssel kapcsolatos károk éves szinten a 6 000 milliárd dollárt is elérhetik 2021-re. Ezenkívül a második pénzforgalmi irányelv, a PSD2 szabályozás, valamint a nyílt bankolás (open banking) szabályozói és piaci lépései is növelhetik a kiberbiztonsági kockázatokat.

A következő években várhatóan tovább nő az adatlopások, a botnet és a zsarolóvírus támadások száma. Ezzel párhuzamosan növekszik az internethez csatlakozó eszközök száma és ezáltal a felhasználók kiberkockázatokkal szembeni kitettsége

A hackathon célja olyan gépi tanuláson, mesterséges intelligencián alapuló megoldások felkarolása, amelyek a felhasználók mindennapi pénzügyeit biztonságosabbá teszik. A biztonság mellett ugyanilyen fontos a szolgáltatás egyszerűsége, élményszerűsége.

Van ötleted, csapatod?

  • Hogyan lehet az ügyfelek pénzügyi és/vagy személyes adatainak biztonságát növelni?
  • Hogyan lehet a hozzáférés-kezelést (login), az ügyfélazonosítást még biztonságosabbá tenni?
  • Hogyan lehet a pénzügyi szolgáltatások ügyfélélményét és biztonságát növelni úgy, hogy minél kevesebb személyes adatot kelljen bekérni az ügyfelektől?
  • Milyen további algoritmusokkal lehet a csalásgyanús tranzakciókat kiszűrni, a visszaéléseket megakadályozni?

A helyszínen a 2-4 fős csapatok az MKB Bank API sandboxán keresztül érhetik el a tesztelésre kialakított számlainformációkat összesítő, valamint a fizetéskezdeményezési API hozzáféréseket és tesztadatokat. A csapatokat a 30 órás fejlesztői verseny alatt a Fintechblocks fejlesztői, illetve a hackathon szakmai és üzleti mentorai segítik majd.

Ha a Fintechlab Hackathon felhívást keresed, vagy a csapatotok készen áll a jelentkezésre, akkor kattints az alábbira:

Példák és háttéranyagok

Az alábbiakban összegyűjtöttünk pár ígéretes kezdeményezést, illetve a felkészülést segítő összefoglaló írást a témában. Ha kérdésed van, akkor keress minket bátran a hello@fintechlab.hu e-mail címen.

feedzai

BehavioSec

Trulioo

PatternEx

ComplyAdvantage

TOVÁBBI KIHÍVÁSOK

#1

Nyílt bankolás és pénzügyi tudatosság

#3

Azonnali fizetés és kiegészítő szolgáltatások

#4

Környezet-tudatosság és nyílt bankolás

Fintechlab Hackathon

MKB Bank, MKB Fintechlab

Címkék: