Mastercard's nieuwe AI-model bestrijdt fraude met transactiedata

Sophie Jansen · 2026-03-18

Mastercard heeft een nieuwe manier ontwikkeld om fraude in digitale betalingen aan te pakken. Het bedrijf trainde een zogenaamd 'large tabular model' (LTM) op miljarden kaarttransacties. In tegenstelling tot de bekende taalmodellen (LLM's) werkt dit model niet met tekst of afbeeldingen, maar puur met gestructureerde transactiedata. De datasets bevatten betalingsevenementen en bijbehorende gegevens zoals locatie van de verkoper, autorisatiestromen, fraudegevallen, chargebacks en loyaliteitsactiviteit. Het cruciale punt? Persoonlijke identificatiegegevens worden verwijderd voordat de training begint. Het model analyseert dus gedragspatronen, niet individuele identiteiten. Door persoonlijke data uit te sluiten, verkleint de technologie privacyrisico's die andere AI-toepassingen in de financiële sector soms met zich meebrengen. Mastercard stelt dat de schaal en rijkdom van de data het model in staat stellen waardevolle commerciële patronen af te leiden – zelfs zonder informatie per gebruiker. ### Wat is een Large Tabular Model (LTM) eigenlijk? De architectuur van een LTM verschilt fundamenteel van die van grote taalmodellen. Waar een LLM getraind is op ongestructureerde invoer en het volgende 'token' in een reeks voorspelt, onderzoekt Mastercard's LTM relaties tussen velden in multidimensionale datatabellen. Je zou kunnen zeggen dat de definitie dichter bij pure machine learning ligt dan bij kunstmatige intelligentie. Het model leert van ruwe invoer precies welke relaties voorspelbaar zijn. Hierdoor kan het afwijkende patronen identificeren die niet worden vastgelegd door vooraf gedefinieerde regels. Mastercard omschrijft de LTM zelf als een 'inzichtenmotor' die in bestaande producten kan worden ingezet om workflows te verbeteren. Het operationele risico van een model dat met klanten interageert (vaak een LLM) is anders dan dat van een model dat deel uitmaakt van interne besluitvorming. De technische infrastructuur voor deze LTM komt van Nvidia en Databricks. ### Waar gaan we de LTM in actie zien? Cybersecurity bij Mastercard is het eerste gebied waar de technologie actief wordt ingezet. Net als veel instellingen heeft Mastercard verschillende fraudedetectiesystemen die transactiedata onderzoeken. Deze systemen vereisen menselijke input bij de start – en voortdurende bijstelling – om te definiëren wat als verdacht gedrag geldt. Denk aan plotselinge stijgingen in transactiefrequentie, of gebruikers die aankopen doen in verschillende werelddelen binnen korte tijd. Vroege resultaten wijzen op verbeterde prestaties ten opzichte van conventionele technieken in specifieke gevallen. Het bedrijf noemt het voorbeeld van hoogwaardige, laagfrequente aankopen. Die kunnen door traditionele modellen als afwijking worden gemarkeerd, maar het nieuwe model lijkt legitieme gebeurtenissen nauwkeuriger te kunnen onderscheiden. Mastercard plant hybride systemen die gevestigde procedures combineren met het nieuwe model. Deze voorzichtigheid weerspiegelt het regelgevingsniveau waaronder het bedrijf opereert. Er wordt erkend dat geen enkel model waarschijnlijk goed presteert in alle scenario's. > "Een enkel foundation-model dat voor verschillende taken kan worden afgestemd, kan processen vereenvoudigen en de kosten laag houden," aldus het bedrijf. Verder beweert men dat het model activiteiten in loyaliteitsprogramma's kan scannen, gebruikt kan worden in portefeuillebeheer en voor interne analyses – allemaal gebieden met grote hoeveelheden gestructureerde data. Momenteel gebruiken bedrijven vaak veel modellen die zijn aangepast aan elke taak, wat leidt tot veelvoudige trainingskosten en validatie-inspanningen. De toekomst ziet er dus uit als een combinatie van bewezen methoden en deze nieuwe, op gedrag gerichte AI. Het blijft een balans vinden tussen innovatie, veiligheid en privacy – iets waar de hele financiële sector mee worstelt. Voor ons als gebruikers betekent het hopelijk vooral meer gemoedsrust bij elke online transactie.