రిజర్వ్ బ్యాంక్ ఆఫ్ ఇండియా (RBI) గవర్నర్ సంజయ్ మల్హోత్రా, డిజిటల్ మోసాన్ని ఎదుర్కోవడంలో "మల్ హంటర్" టూల్ యొక్క విజయాన్ని నొక్కి చెప్పారు. ఈ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) మరియు మెషిన్ లెర్నింగ్ (ML) ఆధారిత వ్యవస్థ, రిజర్వ్ బ్యాంక్ ఇన్నోవేషన్ హబ్ (RBIH) ద్వారా అభివృద్ధి చేయబడింది, "మల్ ఖాతాలను" గుర్తించి, ఫ్లాగ్ చేయడానికి రూపొందించబడింది. ఈ ఖాతాలు మోసపూరిత డబ్బును తరలించడంలో మరియు దోచుకోవడంలో మధ్యవర్తిగా పనిచేస్తాయి.
గవర్నర్ మల్హోత్రా ప్రకారం, ఈ టూల్ చాలా ప్రభావవంతంగా నిరూపితమవుతోంది, ప్రతి నెలా సుమారు 20,000 "మల్ ఖాతాలను" గుర్తిస్తోంది. RBI 20 బ్యాంకులకు ఈ టూల్ను స్వీకరించడానికి ఒక మధ్యంతర మైలురాయిని నిర్దేశించింది, మరియు ఇది అధిక డబుల్ డిజిట్లలో (high double digits) స్వీకరణతో ఈ లక్ష్యాన్ని సమీపిస్తోంది. ఇది బ్యాంకింగ్ రంగంలో టూల్ను ఏకీకృతం చేయడంలో గణనీయమైన పురోగతిని సూచిస్తుంది.
"మల్ హంటర్" టూల్తో పాటు, RBI డిజిటల్ భద్రతను మెరుగుపరచడానికి ఇతర చర్యలను కూడా అమలు చేస్తోంది. వీటిలో "హోమ్ మినిస్ట్రీ" ఆధ్వర్యంలో పనిచేసే "ఇండియన్ సైబర్ క్రైమ్ కోఆర్డినేషన్ సెంటర్ (I4C)"తో మెరుగైన సమన్వయం కూడా ఉంది. కేంద్ర బ్యాంకు, బ్యాంకులు మరియు చెల్లింపు వ్యవస్థ యొక్క భద్రత మరియు రక్షణను మెరుగుపరచడానికి అత్యున్నత స్థాయిలలో డిజిటల్ మోసం యొక్క ముప్పుల తీరును నిరంతరం సమీక్షిస్తుంది.
గవర్నర్ మల్హోత్రా పబ్లిక్ విజిలెన్స్ యొక్క ప్రాముఖ్యతను కూడా నొక్కి చెప్పారు, "వన్ టైమ్ పాస్వర్డ్లు (OTPs)" వంటి సున్నితమైన సమాచారాన్ని పంచుకోవద్దని మరియు అసాధారణంగా అధిక రాబడిని వాగ్దానం చేసే పథకాలపై జాగ్రత్తగా ఉండాలని పౌరులను కోరారు.
ప్రభావం: ఈ వార్త, డిజిటల్ ఆర్థిక పర్యావరణ వ్యవస్థ యొక్క భద్రత మరియు సమగ్రతను పెంచడం ద్వారా భారతీయ స్టాక్ మార్కెట్పై సానుకూల ప్రభావాన్ని చూపుతుంది. డిజిటల్ మోసం మరియు "మల్ ఖాతాలను" చురుకుగా ఎదుర్కోవడం ద్వారా, RBI యొక్క ప్రయత్నాలు వినియోగదారులు మరియు పెట్టుబడిదారులలో ఎక్కువ విశ్వాసాన్ని పెంపొందిస్తాయి, ఇది మరింత సురక్షితమైన మరియు స్థిరమైన డిజిటల్ లావాదేవీలకు దారితీయవచ్చు. ఇది డిజిటల్ చెల్లింపులు మరియు ఫిన్టెక్ రంగాల వృద్ధికి పరోక్షంగా మద్దతు ఇవ్వగలదు, మొత్తం మార్కెట్ విశ్వాసానికి దోహదపడుతుంది. రేటింగ్: 7/10
నిర్వచనాలు:
"మల్ ఖాతా": నేరస్థులు చట్టవిరుద్ధంగా పొందిన డబ్బును స్వీకరించడానికి మరియు బదిలీ చేయడానికి ఉపయోగించే ఖాతా, నిధులు ముందుకు తరలించబడటానికి ముందు తాత్కాలిక హోల్డర్గా పనిచేస్తుంది. ఇవి తరచుగా నకిలీ గుర్తింపులను ఉపయోగించడం ద్వారా లేదా నేరపూరిత ఉపయోగం కోసం ఖాతాలను తెరవడానికి వ్యక్తులను మోసం చేయడం ద్వారా తెరవబడతాయి.
ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI): కంప్యూటర్ సిస్టమ్స్ ద్వారా మానవ మేధస్సు ప్రక్రియల అనుకరణ, ఇందులో లెర్నింగ్, ప్రాబ్లమ్-సాల్వింగ్ మరియు డెసిషన్-మేకింగ్ ఉంటాయి.
మెషిన్ లెర్నింగ్ (ML): AI యొక్క ఒక ఉపసమితి, ఇది సిస్టమ్లను స్పష్టంగా ప్రోగ్రామ్ చేయకుండానే అనుభవం నుండి స్వయంచాలకంగా నేర్చుకోవడానికి మరియు మెరుగుపరచడానికి అనుమతిస్తుంది. ఇది డేటాను విశ్లేషించడానికి, నమూనాలను గుర్తించడానికి మరియు అంచనాలు లేదా నిర్ణయాలు తీసుకోవడానికి అల్గారిథమ్లను ఉపయోగిస్తుంది.