隨著現(xiàn)代技術(shù)的發(fā)展和完善，生活變得越來(lái)越舒適。雖然以前人們認(rèn)為同時(shí)進(jìn)行復(fù)雜的操作是不可能的，而如今計(jì)算機(jī)使這一任務(wù)變得很容易了。

[[335460]]

與此同時(shí)，利用間諜軟件、勒索軟件和其他非法應(yīng)用程序來(lái)非法訪問(wèn)計(jì)算機(jī)的方法也變得十分猖獗。黑客利用各種工具來(lái)影響網(wǎng)絡(luò)的運(yùn)行并竊取人們的數(shù)據(jù)。

欺詐手段也很普遍。在某些情況下，欺詐的設(shè)計(jì)非常出色，以至于人們無(wú)法區(qū)分真假。而人工智能經(jīng)常被用來(lái)應(yīng)對(duì)這些威脅，在這篇文章中，作者將講述為什么機(jī)器學(xué)習(xí)是預(yù)防欺詐的優(yōu)秀工具。

銀行賬戶屬于高風(fēng)險(xiǎn)群體

大量的現(xiàn)金流，數(shù)十億筆交易以及數(shù)百萬(wàn)客戶的付款交易為黑客入侵人們的銀行帳戶創(chuàng)造了有利條件。欺詐者的行為不僅造成直接的物質(zhì)損失，還會(huì)破壞金融機(jī)構(gòu)的信譽(yù)，嚴(yán)重?fù)p害了銀行的聲譽(yù)。

如今，針對(duì)性攻擊的數(shù)量顯著增加，其中可以選擇特定的受害者，并且攻擊本身是由專門從事特定類型活動(dòng)的各種攻擊者團(tuán)體精心準(zhǔn)備和實(shí)施的：開(kāi)發(fā)和銷售惡意代碼，破壞通信渠道 ，導(dǎo)致出現(xiàn)了新的欺詐方案。

通過(guò)影響銀行系統(tǒng)的方法，欺詐被分為外部和內(nèi)部?jī)煞N，其中包括銀行員工。欺詐也可以分為以下幾種實(shí)施渠道：銀行分支機(jī)構(gòu)——非法執(zhí)行賬戶支出業(yè)務(wù)、欺詐賠償、付款、退款、臨時(shí)借用資金、定期賬戶的非法操作、倒轉(zhuǎn);銀行卡和支付卡——刷卡(在支付終端和ATM中卡被盜用)、CNP欺詐(未持卡，網(wǎng)上購(gòu)物卡數(shù)據(jù)被盜用);網(wǎng)絡(luò)釣魚——虛假陳述客戶進(jìn)行交易的行為;遠(yuǎn)程銀行服務(wù)——破壞渠道、更改客戶信息、未經(jīng)授權(quán)的轉(zhuǎn)賬、更改付款訂單中收款人的詳細(xì)信息等。

由于服務(wù)渠道的特征、折衷方法、合成被盜數(shù)據(jù)等，每個(gè)欺詐計(jì)劃都有其準(zhǔn)備、出售、提取和套現(xiàn)現(xiàn)金的行為。

反欺詐系統(tǒng)是預(yù)防欺詐的優(yōu)秀工具

防范外部和內(nèi)部欺詐最有效的方法是使用反欺詐系統(tǒng)，該系統(tǒng)可以控制銀行客戶的付款和會(huì)話交易，評(píng)估銀行員工的行為，快速識(shí)別各種服務(wù)渠道中的新型欺詐計(jì)劃，并防止從客戶帳戶中提取資金。

這也適用于其他行業(yè)，尤其是那些欺詐率很高的行業(yè)。例如，讓我們以加密貨幣行業(yè)為例。據(jù)說(shuō)，2018年至2019年之間發(fā)生的所有ICO中有80%是欺詐性的。這就產(chǎn)生了一個(gè)前提，即每個(gè)加密貨幣項(xiàng)目都是騙局。我們非常清楚這與事實(shí)相差甚遠(yuǎn)。

如今，欺詐檢測(cè)AI被用于確認(rèn)欺詐指控，而不是找到它們。例如，在比特幣演變騙局期間，該公司聘請(qǐng)了幾位人工智能專家來(lái)讓算法查看公司的活動(dòng)。最終，人工智能成功地為該公司開(kāi)脫了指控，事實(shí)證明，這比專業(yè)人士的話更可信。

反欺詐系統(tǒng)的主要特性是能夠聚合各種來(lái)源的大量數(shù)據(jù)，這允許你能夠在不同的渠道中查看客戶和員工行為的上下文中的操作。反欺詐系統(tǒng)的主要目標(biāo)有以下幾點(diǎn)：

• 分析和處理在各種系統(tǒng)中進(jìn)行的金融和非金融交易流;
• 應(yīng)用業(yè)務(wù)規(guī)則和算法來(lái)檢測(cè)可疑活動(dòng);
• 識(shí)別客戶或員工異常的行為模式;
• 識(shí)別一系列有欺詐跡象的事件;
• 提供方便的工具來(lái)調(diào)查和分析數(shù)據(jù)。

專家系統(tǒng)也被廣泛用于檢測(cè)欺詐交易，其中包含許多旨在識(shí)別可疑交易的統(tǒng)計(jì)規(guī)則和邏輯表達(dá)式，但是這種方法有幾個(gè)缺點(diǎn)。

為什么機(jī)器學(xué)習(xí)被證明是防止欺詐的有效方法?

機(jī)器學(xué)習(xí)方法和統(tǒng)計(jì)規(guī)則的使用有助于降低與專家系統(tǒng)的局限性相關(guān)的風(fēng)險(xiǎn)，特別是減少將合法交易被錯(cuò)誤識(shí)別為欺詐交易的案例數(shù)量，并增加成功檢測(cè)到的真正欺詐行為的數(shù)量。機(jī)器學(xué)習(xí)算法可以檢測(cè)到人類不明顯的依賴關(guān)系，從而快速分析大量數(shù)據(jù)。

為了檢測(cè)欺詐，在有老師(監(jiān)督學(xué)習(xí))和沒(méi)有老師(無(wú)監(jiān)督學(xué)習(xí))的情況下都使用了學(xué)習(xí)算法。在第一種情況下，當(dāng)有一個(gè)訓(xùn)練樣本具有先前已知的答案時(shí)，我們主要討論的是分類算法。而在第二種情況下，則沒(méi)有這樣的答案?？鐕?guó)序列可視為文本，然后出現(xiàn)了文本數(shù)據(jù)分析和處理自然語(yǔ)言(NLP)的方法。

為了使分類算法起作用，就必須有一個(gè)數(shù)據(jù)集，例如，在一段有限的時(shí)間內(nèi)，確認(rèn)存在欺詐和合法的交易。然而，在標(biāo)記交易時(shí)，不可避免地會(huì)出現(xiàn)困難：通常需要根據(jù)從用于構(gòu)建模型的欺詐調(diào)查行為中獲取的信息手動(dòng)進(jìn)行標(biāo)記。欺詐交易的樣本也可以通過(guò)調(diào)查文件的機(jī)器解析來(lái)獲得，但是由于其結(jié)構(gòu)較差且質(zhì)量較好，因此很難實(shí)現(xiàn)這種樣本。

當(dāng)與老師一起學(xué)習(xí)時(shí)，階級(jí)失衡是不可避免的：合法交易的數(shù)量是欺詐交易的數(shù)十萬(wàn)倍。在這種情況下，可以使用以下方法：數(shù)據(jù)平衡;過(guò)濾;通過(guò)“重新標(biāo)記”額外交易來(lái)豐富樣本，專家認(rèn)為這種交易很可能是欺詐行為。此外，還使用了半監(jiān)督學(xué)習(xí)方法，該方法既使用已知是否為欺詐的交易，也使用了未知的交易。

結(jié)論

在解決欺詐檢測(cè)問(wèn)題時(shí)，對(duì)數(shù)據(jù)進(jìn)行全面的初步分析并選擇正確的方法來(lái)構(gòu)建和驗(yàn)證模型的有效性非常重要，否則可能需要重新訓(xùn)練模型。沒(méi)有一種標(biāo)準(zhǔn)的解決方案可以同樣適合于任何檢測(cè)欺詐的任務(wù)——在每種情況下，都需要一個(gè)單獨(dú)的方法來(lái)考慮到問(wèn)題的所有特性和反欺詐系統(tǒng)的要求。

盡管機(jī)器不是優(yōu)秀的機(jī)制，而且還會(huì)犯錯(cuò)誤，但是它們是應(yīng)對(duì)破壞銀行、系統(tǒng)和各種網(wǎng)絡(luò)正常運(yùn)行欺詐的優(yōu)秀工具。技術(shù)專家做了很多工作來(lái)進(jìn)一步改善機(jī)器的操作，并使機(jī)器對(duì)威脅更加警惕。