365bat,为什么机器学习是防止欺诈的最佳工具?

作者| GiorgiMikhelidze
译员|上帝奖赏辛勤工作,负责编辑金兆玉
主图片| CSDN付费从Visual China下载
随着现代技术的发展和进步,生活变得越来越舒适。尽管以前认为不可能同时执行复杂的操作,但是现在计算机使此任务变得非常容易,非法应用程序广泛地用于非法计算机访问。黑客使用各种工具来影响网络的运行并窃取人们的数据。欺诈也很普遍。在某些情况下,欺诈的设计是如此之好,以至于人类无法区分是非。人工智能通常用于应对这些威胁。在本文中,作者描述了为什么机器学习是防止欺诈的最佳工具。
银行帐户属于现金流量较高的风险类别。数百万客户进行的数十亿笔交易和付款为黑客闯入人们的银行帐户创造了有利条件。欺诈者的行为不仅造成直接的物质损失,而且损害了金融机构的声誉和银行的声誉。如今,可以选择特定受害者的有针对性的攻击数量已经大大增加,并且攻击本身正在由专门从事某些类型的活动的各组攻击者精心准备和实施:恶意代码的开发和销售,恶意代码的中断沟通渠道,这导致了新的欺诈程序的出现。通过影响银行系统,欺诈可分为两种:外部和内部欺诈,包括银行雇员。欺诈也可以在以下实施渠道中分为:银行分支机构-非法执行账户费用,欺诈补偿,付款,偿还,资金临时借贷,有限账户的非法操作,退款,银行卡和支付卡刷卡(卡)管理在支付终端和ATM中被盗),CNP欺诈(未持有卡,在线购物卡数据被盗),网络钓鱼-在交易中误导客户;远程银行服务会破坏渠道并更改客户信息,未经授权的转账,更改收款人详细信息由于服务渠道,折衷方法,综合窃取数据等特点,每个欺诈程序在准备,出售,提取和提取现金方面都有其自己的行为。反欺诈系统是最好的工具防止欺诈。防止外部和内部欺诈的最有效方法是使用反欺诈系统,该系统可控制银行客户的支付和会话交易,评估银行员工的行为并快速识别各种服务渠道。新的欺诈程序和预防措施可从客户帐户中提取资金。这也适用于其他行业,尤其??是欺诈率高的行业。以加密货币行业为例。据说发生在28至29岁之间的所有ICO中有80%是欺诈性的,这导致人们认为每个加密货币项目都是骗局。我们深知这远非事实。如今,欺诈检测AI用来确认欺诈指控而不是予以认可,例如,在比特币进化骗局期间,该公司聘请了几位人工智能专家,以便算法可以显示该公司的活动。最后,人工智能成功地将公司从指控中排除了,事实证明,这比专家的话更可信。反欺诈系统的主要功能是能够放大来自不同来源的聚合数据,以便您可以在不同渠道的客户和员工行为环境中查看操作。反欺诈系统的主要目标如下:分析和处理不同系统中的财务和非财务交易流,应用业务规则和算法来识别可疑活动,识别客户或员工的异常行为模式;大量欺诈事件为检查和分析数据提供了方便的工具。专家系统通常也用于识别欺诈交易,其中包含许多统计规则和逻辑表达式以识别可疑交易。但是,此方法有几个缺点。为什么机器学习被证明是防止欺诈的有效手段?为了检测欺诈,在有教师的情况下(监督学习)和在没有教师的情况下(无监督学习)都使用学习算法,在第一种情况下,如果存在具有先前已知答案的训练模式,我们主要讨论分类算法。在第二种情况下,没有这样的答案。可以将跨国序列视为文本,然后出现了分析文本数据和处理自然语言(NLP)的方法,分类算法起作用,例如,数据集必须在有限的时间内可用,以确认存在欺诈和合法性交易,但在识别交易方面存在不可避免的困难:通常需要使用信息手动识别交易,AUs Fraud调查来自创建模型。也可以通过对检查文件进行机器分析来获取欺诈性交易的样本,但是由于它们的结构较差且质量较高,因此很难获取此类样本。
结论解决欺诈发现问题时,对数据进行全面的初步分析并选择正确的方法来创建和验证模型的有效性非常重要,否则可能需要对模型进行重新训练。没有标准解决方案同样适合于欺诈检测任务。在任何情况下,都需要一种单独的方法来考虑问题的所有特征和反欺诈系统的要求。尽管机器不是完美的机制并且会犯错误,但它们是打击欺诈的最佳工具,这些欺诈会影响银行,系统和各种网络的正常运行。技术专家做了很多工作,以进一步改善机器的运行并保护机器免受威胁。希望本文对您有用,欢迎在评论部分与我们讨论。本文是AI技术基础营的翻译,经原始作者许可转载