La complexité des activités frauduleuses, telles que le vol de paiements et le blanchiment d’argent, a évolué parallèlement aux avancées technologiques. Le Deep Learning (DL) réduit de manière significative les faux positifs dans la fraude transactionnelle.
La disponibilité de gros volumes de données client, comme les transactions brutes dans le temps (RNN) et les vecteurs de synthèse des transactions (RNN et CNN) permet aux entreprises d’entraîner des réseaux de neurones IA comme des encodeurs automatiques et des modèles afin d’identifier les irrégularités dans les schémas d’activité transactionnelle.