Swift experimenteert met federatief leren met Google Cloud, Capgemini en Rhino Health
Swift experimenteert met federatief leren voor zijn fraudebestrijdingssysteem. Dit zou de financiële instellingen in het netwerk in staat stellen om samen te werken en collectief modellen te trainen zonder ruwe gegevens te delen.
Een grootschalig project voor AI-fraudedetectie om de financiële sector te helpen bij de bestrijding van
steeds geraffineerdere vormen van financiële criminaliteit. Vanuit Google Cloud zal Rhino Health het centrale federatieve leerplatform ontwikkelen en leveren en zal Capgemini de implementatie en integratie van de oplossing beheren.
De aanpak combineert gefedereerd leren met privacyverbeterende technologieën om het delen van gegevens mogelijk te maken en tegelijkertijd gevoelige informatie te beschermen. Dit onderzoek, dat ideaal geplaatst is om leiding te geven aan gezamenlijke inspanningen in de hele sector om fraude te bestrijden, zal de gemeenschap helpen te valideren of gefedereerde leertechnologie financiële instellingen kan helpen een stap voor te blijven,” zegt Rachel Levi, Head of Enterprise AI & Global Head of Innovation Engineering, Swift, Het idee? Slechte actoren op afstand houden door fraudetags te delen en zo de grensoverschrijdende betaalervaring te verbeteren.”
Gegevens niet uitgewisseld of overgedragen
Bij het initiatief zijn 12 wereldwijde financiële instellingen betrokken, met Google Cloud als belangrijke partner. Het bouwt voort op de bestaande Payment Control Service (PCS) van Swift na een succesvolle pilot met bedrijven in Europa, Noord-Amerika, Azië en het Midden-Oosten. In de eerste helft van 2025 lanceert Swift een sandbox die synthetische gegevens gebruikt om een prototype te maken van het leren van fraude in het verleden.
De kern van het project is het principe van gefedereerd leren. In deze omgeving werken verschillende entiteiten – die we “cliënten” zouden kunnen noemen – samen om een machine-leerprobleem op te lossen onder de coördinatie van een centrale server of dienstverlener. In plaats van gegevens te centraliseren voor modelvorming, worden de ruwe gegevens opgeslagen bij de eigenaars en niet uitgewisseld of overgedragen. De centrale server initialiseert een model en stuurt het naar alle entiteiten. Op deze manier past elke entiteit het model aan op basis van zijn eigen gegevens. De resulterende parameters worden vervolgens naar de centrale server gestuurd. Wanneer al deze lokale modellen worden samengevoegd, is het resultaat een globaal model dat werkt alsof het op alle gegevens tegelijk is getraind.
Federaal leren speelt daarom een belangrijke rol in de ontwikkeling van elke AI-toepassing met persoonlijke gegevens: van financiële diensten tot autonome voertuigen, van gebruikscases door de overheid tot allerlei consumentenproducten. Het kan ook worden gebruikt op gebieden waar de datavolumes te groot zijn om te worden gecentraliseerd.
Een veiliger financieel ecosysteem
Volgens Swift is dit een grote verandering. Conventionele fraudedetectiemethoden hebben moeite om gelijke tred te houden met steeds geavanceerdere criminele tactieken. Bestaande systemen zijn vaak afhankelijk van beperkte gegevens van individuele instellingen, wat het opsporen van complexe zwendelpraktijken die zich uitstrekken over meerdere banken en rechtsgebieden bemoeilijkt.
Onze samenwerking met Swift illustreert het transformatieve potentieel van gefedereerd leren en vertrouwelijk computergebruik“, zegt Andrea Gallego, Global MD, GTM Incubation, Google Cloud. Door veilige samenwerking en kennisdeling mogelijk te maken zonder de privacy van gegevens in gevaar te brengen, bevorderen we een veiliger en veerkrachtiger financieel ecosysteem voor iedereen.”
