Revolut - Revolut은 머신 러닝을 사용하여 사기 탐지를 강화합니다.

도전 과제

• 사기범들은 기존의 사전 정의된 사기 탐지 규칙을 우회하기 위해 진화하고 있습니다.
• 미션 크리티컬 애플리케이션은 빠르게 성장하는 고객 기반을 위해 일관된 고가용성과 높은 처리량이 필요했습니다.
• 평균적으로 금융 사기로 인해 기관은 $100당 7~8센트의 손실을 입습니다.

결과

• 셜록의 고속 캐싱을 통해 머신 러닝 알고리즘이 지속적으로 규칙을 학습하고 업데이트하여 96%의 사기 거래를 포착할 수 있었습니다.
• Sherlock은 Revolut의 1,200만 명 이상의 고객을 위해 50밀리초 이내에 사기 징후가 있는지 거래를 평가합니다.
• 카우치베이스 도입 첫 해에 업계 표준 대비 75% 개선으로 $3M 이상의 비용을 절감했습니다.