隨著現代技術的發展和完善，生活變得越來越舒適。雖然以前人們認為同時進行復雜的操作是不可能的，而如今計算機使這一任務變得很容易了。

[[335460]]

與此同時，利用間諜軟件、勒索軟件和其他非法應用程序來非法訪問計算機的方法也變得十分猖獗。黑客利用各種工具來影響網絡的運行并竊取人們的數據。

欺詐手段也很普遍。在某些情況下，欺詐的設計非常出色，以至于人們無法區分真假。而人工智能經常被用來應對這些威脅，在這篇文章中，作者將講述為什么機器學習是預防欺詐的優秀工具。

銀行賬戶屬于高風險群體

大量的現金流，數十億筆交易以及數百萬客戶的付款交易為黑客入侵人們的銀行帳戶創造了有利條件。欺詐者的行為不僅造成直接的物質損失，還會破壞金融機構的信譽，嚴重損害了銀行的聲譽。

如今，針對性攻擊的數量顯著增加，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的各種攻擊者團體精心準備和實施的：開發和銷售惡意代碼，破壞通信渠道 ，導致出現了新的欺詐方案。

通過影響銀行系統的方法，欺詐被分為外部和內部兩種，其中包括銀行員工。欺詐也可以分為以下幾種實施渠道：銀行分支機構——非法執行賬戶支出業務、欺詐賠償、付款、退款、臨時借用資金、定期賬戶的非法操作、倒轉;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，網上購物卡數據被盜用);網絡釣魚——虛假陳述客戶進行交易的行為;遠程銀行服務——破壞渠道、更改客戶信息、未經授權的轉賬、更改付款訂單中收款人的詳細信息等。

由于服務渠道的特征、折衷方法、合成被盜數據等，每個欺詐計劃都有其準備、出售、提取和套現現金的行為。

反欺詐系統是預防欺詐的優秀工具

防范外部和內部欺詐最有效的方法是使用反欺詐系統，該系統可以控制銀行客戶的付款和會話交易，評估銀行員工的行為，快速識別各種服務渠道中的新型欺詐計劃，并防止從客戶帳戶中提取資金。

這也適用于其他行業，尤其是那些欺詐率很高的行業。例如，讓我們以加密貨幣行業為例。據說，2018年至2019年之間發生的所有ICO中有80%是欺詐性的。這就產生了一個前提，即每個加密貨幣項目都是騙局。我們非常清楚這與事實相差甚遠。

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

反欺詐系統的主要特性是能夠聚合各種來源的大量數據，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。反欺詐系統的主要目標有以下幾點：

• 分析和處理在各種系統中進行的金融和非金融交易流;
• 應用業務規則和算法來檢測可疑活動;
• 識別客戶或員工異常的行為模式;
• 識別一系列有欺詐跡象的事件;
• 提供方便的工具來調查和分析數據。

專家系統也被廣泛用于檢測欺詐交易，其中包含許多旨在識別可疑交易的統計規則和邏輯表達式，但是這種方法有幾個缺點。

為什么機器學習被證明是防止欺詐的有效方法?

機器學習方法和統計規則的使用有助于降低與專家系統的局限性相關的風險，特別是減少將合法交易被錯誤識別為欺詐交易的案例數量，并增加成功檢測到的真正欺詐行為的數量。機器學習算法可以檢測到人類不明顯的依賴關系，從而快速分析大量數據。

為了檢測欺詐，在有老師(監督學習)和沒有老師(無監督學習)的情況下都使用了學習算法。在第一種情況下，當有一個訓練樣本具有先前已知的答案時，我們主要討論的是分類算法。而在第二種情況下，則沒有這樣的答案。跨國序列可視為文本，然后出現了文本數據分析和處理自然語言(NLP)的方法。

為了使分類算法起作用，就必須有一個數據集，例如，在一段有限的時間內，確認存在欺詐和合法的交易。然而，在標記交易時，不可避免地會出現困難：通常需要根據從用于構建模型的欺詐調查行為中獲取的信息手動進行標記。欺詐交易的樣本也可以通過調查文件的機器解析來獲得，但是由于其結構較差且質量較好，因此很難實現這種樣本。

當與老師一起學習時，階級失衡是不可避免的：合法交易的數量是欺詐交易的數十萬倍。在這種情況下，可以使用以下方法：數據平衡;過濾;通過“重新標記”額外交易來豐富樣本，專家認為這種交易很可能是欺詐行為。此外，還使用了半監督學習方法，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。

結論

在解決欺詐檢測問題時，對數據進行全面的初步分析并選擇正確的方法來構建和驗證模型的有效性非常重要，否則可能需要重新訓練模型。沒有一種標準的解決方案可以同樣適合于任何檢測欺詐的任務——在每種情況下，都需要一個單獨的方法來考慮到問題的所有特性和反欺詐系統的要求。

盡管機器不是優秀的機制，而且還會犯錯誤，但是它們是應對破壞銀行、系統和各種網絡正常運行欺詐的優秀工具。技術專家做了很多工作來進一步改善機器的操作，并使機器對威脅更加警惕。