PhonePe ने 'PhonePe Protect' लॉन्च केले, डिजिटल पेमेंट फसवणुकीला आळा घालण्यासाठी, उद्योगातील ट्रेंडच्या पार्श्वभूमीवर

Tech

Updated on 03 Nov 2025, 08:52 am

Reviewed By

Aditi Singh | Whalesbook News Team

Short Description :

PhonePe ने 'PhonePe Protect' सादर केले आहे, एक नवीन सुरक्षा फ्रेमवर्क जे संशयास्पद व्यवहार ओळखते आणि वापरकर्त्यांना रिअल-टाइममध्ये अलर्ट करते. हे दूरसंचार विभागाच्या Financial Fraud Risk Indicator सह एकत्रित केले आहे. PayU आणि Razorpay सारख्या कंपन्या देखील AI आणि Machine Learning प्रणाली सुधारत आहेत, कारण भारतात डिजिटल व्यवहारांमध्ये प्रचंड वाढ होत आहे आणि आर्थिक फसवणूक रोखण्यासाठी हा एक व्यापक औद्योगिक प्रयत्न आहे.

PhonePe ने 'PhonePe Protect' लॉन्च केले, डिजिटल पेमेंट फसवणुकीला आळा घालण्यासाठी, उद्योगातील ट्रेंडच्या पार्श्वभूमीवर

▶

Detailed Coverage :

PhonePe ने 'PhonePe Protect' नावाचा एक नवीन सुरक्षा फ्रेमवर्क लॉन्च केला आहे. ही प्रणाली संभाव्य फसव्या व्यवहारांचा शोध घेण्यासाठी आणि वापरकर्त्यांना त्वरित सतर्क करण्यासाठी, किंवा पेमेंट पूर्ण होण्यापूर्वीच ते ब्लॉक करण्यासाठी डिझाइन केली आहे. हे दूरसंचार विभागाच्या Financial Fraud Risk Indicator (FRI) टूलसोबत एकत्रितपणे काम करते, जे भूतकाळात आर्थिक फसवणुकीशी संबंधित असलेल्या मोबाइल नंबर ओळखण्यात मदत करते. भारतातील डिजिटल पेमेंटचे प्रमाण वाढत असल्याने, सायबर गुन्हेगारी आणि वापरकर्त्यांना लक्ष्य करणाऱ्या फिशिंग घोटाळ्यांमध्येही वाढ होत आहे, त्यामुळे हे वर्धित सुरक्षा उपाय महत्त्वपूर्ण आहेत. उदाहरणार्थ, PayU असामान्य क्रियाकलाप, संशयास्पद IP पत्ते किंवा विसंगत वर्तनासाठी व्यवहारांवर लक्ष ठेवण्यासाठी ML-आधारित विसंगती शोध (anomaly detection) वापरते, तसेच Anti-Money Laundering (AML) तपासण्या करते. Razorpay एक AI-शक्तीवर चालणारे इंजिन देखील वापरते जे घोटाळे आणि बनावट पेमेंट रोखण्यासाठी व्यवहारांचे रिअल-टाइममध्ये निरीक्षण करते.

परिणाम (Impact): या अत्याधुनिक फसवणूक शोध प्रणालींच्या अंमलबजावणीमुळे डिजिटल पेमेंट प्लॅटफॉर्मवरील ग्राहकांचा विश्वास लक्षणीयरीत्या वाढण्याची अपेक्षा आहे. यामुळे डिजिटल व्यवहारांचा अवलंब वाढू शकतो, अधिक सुरक्षित आर्थिक परिसंस्था तयार होऊ शकते आणि ग्राहक व व्यापारी दोघांसाठीही फसवणुकीमुळे होणारे आर्थिक नुकसान कमी होऊ शकते. हे फिनटेक कंपन्यांची कार्यात्मक अखंडता वाढवते.

कठीण संज्ञा आणि अर्थ (Difficult Terms and Meanings): रिअल-टाइम फ्रॉड डिटेक्शन (Real-time Fraud Detection): अशा प्रणाली ज्या फसव्या क्रियाकलाप घडतानाच, त्वरित ओळखतात आणि सतर्क करतात. फायनान्शियल फ्रॉड रिस्क इंडिकेटर (FRI - Financial Fraud Risk Indicator): दूरसंचार विभागाचे एक साधन जे नोंदवलेल्या आर्थिक फसवणुकीशी संबंधित मोबाइल नंबर ध्वजांकित करते. आर्टिफिशियल इंटेलिजन्स (AI - Artificial Intelligence): शिकणे आणि समस्या सोडवणे यांसारखी मानवी बुद्धिमत्तेची आवश्यकता असलेली कार्ये करण्यासाठी डिझाइन केलेल्या संगणक प्रणाली. मशीन लर्निंग (ML - Machine Learning): AI चा एक प्रकार ज्यामध्ये सिस्टीम स्पष्ट प्रोग्रामिंगशिवाय डेटावरून शिकतात आणि कालांतराने त्यांची कार्यक्षमता सुधारतात. विसंगती शोध (Anomaly Detection): सामान्य नमुन्यांपासून लक्षणीयरीत्या विचलित होणारे असामान्य नमुने किंवा डेटा पॉइंट्स ओळखणे, जे अनेकदा फसव्या क्रियाकलापांचे संकेत देतात. अँटी-मनी लाँड्रिंग (AML - Anti-money Laundering): गुन्हेगारांना बेकायदेशीररित्या मिळवलेला पैसा कायदेशीर उत्पन्न म्हणून लपवण्यापासून रोखण्यासाठी डिझाइन केलेले नियम आणि प्रक्रिया. ड्यू डिलिजन्स (Due Diligence): कोणताही करार किंवा व्यवस्था करण्यापूर्वी व्यवसाय किंवा व्यक्तीबद्दल माहितीची तपासणी आणि पडताळणी करण्याची प्रक्रिया. चार्ज बॅक (Chargebacks): जेव्हा ग्राहक आपल्या बँकेसोबत किंवा कार्ड जारीकर्त्यासोबत व्यवहारावर विवाद करतो, तेव्हा बँक शुल्क उलट करते. फिशिंग स्कॅम (Phishing Scams): अधिकृत संस्थांचे स्वरूप धारण करून, संवेदनशील माहिती (जसे की पासवर्ड किंवा क्रेडिट कार्ड तपशील) उघड करण्यासाठी व्यक्तींना फसवण्याचा प्रयत्न.