تتزايد الهجمات الإلكترونية على الشركات في عصر كوفيد-19، وقطاع التأمين ليس استثناءً. يمكن للذكاء الاصطناعي أن يساعد في مكافحة هذه التهديدات بفعالية، وقد أجرت جامعة وارويك دراسة شاملة لتقييم فعالية تقنيات الذكاء الاصطناعي في تقييم المخاطر وتحليل التهديدات في قطاع التأمين.
مع بدء جائحة كوفيد-19، شهدت الصناعات في جميع أنحاء العالم ارتفاعًا حادًا في عدد وأنواع الهجمات الإلكترونية التي تواجهها، وبالتالي كانت أنظمة إدارة المخاطر السيبرانية غير قادرة على الاستمرار في الخطوة مع هذه الهجمات الأمنية المتطورة. ومع محاولة الشركات تقليل تكاليف العمالة واعتماد نموذج رقمي أرخص وأكثر كفاءة، فمن الواضح أن جرائم الإنترنت أيضًا في ازدياد.
بالسنوات الأخيرة، أصبحت شركات التأمين هدفًا للهجمات الفدية لأنها تلعب دورًا حاسمًا في حماية الأصول والأشخاص والسلع العالية القيمة. هنا يمكن للذكاء الاصطناعي، إذا تم استخدامه بفعالية، أن يساعد في مكافحة هذه التهديدات. يمكن استخدام دمج الأمن السيبراني مع الذكاء الاصطناعي في تطوير نموذج شامل وقوي، فعال في أداء مهام مختلفة مثل الكشف عن الهجمات السيبرانية ومنعها في الوقت الفعلي، ومقاومة الجرائم الإلكترونية الجديدة وزيادة كفاءة فرق الأمن السيبراني.
في تقرير خاص، أنتجت جامعة وارويك هذه المراجعة النظامية للأدبيات التي تقدم نظرة عامة على العوائق والفرص الناشئة لاستخدام الذكاء الاصطناعي للمساعدة في تقليل المخاطر السيبرانية وتعريض التهديدات في قطاع التأمين، وتقدم مجموعة من التوصيات التي يمكن أن تعمل كدليل / خارطة طريق للأطراف المختلفة في تلك الصناعة.
مع زيادة استخدام الذكاء الاصطناعي في العديد من الصناعات، فإن صناعة التأمين تقف اليوم على حافة اعتماد تكنولوجيا الذكاء الاصطناعي على نطاق واسع. يوفر هذا العمل مع جامعة وارويك نهجًا لفهم كيفية استخدام تقنيات الذكاء الاصطناعي الناشئة وحالة الفن في تقليل المخاطر وتحسين وضع الأمان للمؤسسة. يتم استخدام الذكاء الاصطناعي في الابتكار في التأمين الآن لمجموعة من الوظائف الخلفية مثل الكشف عن الاحتيال، والتداول الخوارزمي، وتحليلات البلوكشين، ومحركات البحث المالية. الروبوتات ورؤية الكمبيوتر ومعالجة اللغة الطبيعية (NLP) هي بعض المجالات التي يتم تلبيتها بواسطة تعلم الآلة (ML). تم زيادة الاهتمام بتعلم الآلة داخل قطاع التأمين، الذي يحتوي على الكثير من البيانات. أمثلة لتقنيات تعلم الآلة تشمل:
- دعم أجهزة الصراف الآلي - خوارزمية تعلم الآلة التي تتعلم من الأمثلة التي تحصل عليها. عند دراسة العديد من تقارير الأنشطة المخادعة وغير المخادعة، يمكنها التعرف على الاحتيال على بطاقات الائتمان.
- الشبكة العصبية الاصطناعية - يركز الاهتمام الرئيسي على استخدام شبكة عصبية محسّنة لتقييم مخاطر المعلومات. الغرض من الشبكات العصبية هو تشابه الدماغ البشري.
- شجرة القرار - هي أداة تتنبأ بالعواقب المحتملة، مثل تكاليف الموارد والفائدة، باستخدام نموذج شبيه بالشجرة للإمكانيات.
- Naïve Bayes - هو
