在數字化時代，組織的在線業務無處不在，由此引發的業務欺詐威脅也成為影響全球企業、政府和個人的主要問題。調查數據顯示，51%的受訪組織表示在過去一年中經歷過欺詐，而欺詐活動所產生的負面影響甚至超越了其直接的經濟損失，延伸至客戶信任的侵蝕和品牌商譽的損害。在此背景下，組織對新一代欺詐檢測技術的應用需求進一步增強。

欺詐威脅的發展趨勢

研究人員認為，全球范圍內的欺詐損失正呈現驚人的增長趨勢，給企業和消費者帶來了巨大的困擾和損失。這一增長趨勢背后的主要原因是技術進步和社會工程學的不斷發展。此外，社會工程學的廣泛利用，讓許多缺乏信息安全思維的用戶開始成為攻擊者的目標。

目前，欺詐威脅呈現出以下發展趨勢：

首先，自動化技術使欺詐活動變得更具可擴展性。詐騙者可以利用各種各樣的軟件和機器人來發起自動化欺詐活動，由此造成的損失也比傳統人工操作造成的損失要高得多。

第二，欺詐危害不斷上升。根據美國聯邦貿易委員會的數據，消費者每年損失超過88億美元，而這只是在美國。根據更廣泛的研究預測，全球欺詐損失可能會高達5萬億美元以上。

第三，合成身份欺詐成為增長最快的欺詐形式之一，占所有身份類欺詐的85%以上，每年所造成的損失達數百億美元。合成身份的主要危害在于，它是由AI技術驅動的，這使得傳統檢測技術更加困難，因為傳統技術缺乏足夠的訓練數據，尤其是在合成身份欺詐方面。

第四，組織難以平衡用戶體驗和欺詐損失。用戶總是期待真正無感的數字體驗，導致了企業難以實施最嚴格的欺詐驗證流程，這使得防范欺詐變得非常困難。因此，企業總是需要在失去客戶的機會成本和欺詐損失之間做出取舍。目前，欺詐損失通常被視為在線業務的一種成本，需要在防止欺詐損失和造成客戶摩擦之間取得平衡。

最后，單點式解決方案的大量擴散。單點式解決方案可能是一個提供設備指紋數據的工具，也可能是一個提供IP分析的工具。這些解決方案都只關注客戶交易過程中的某個部分，并且只在交易中的某個環節點解決欺詐風險，而并不能反應出全部情況和風險。

新一代欺詐防護的理念

傳統的欺詐檢測主要依賴于基于規則的系統和人工審查過程。這些方法包括創建一組定義欺詐行為的規則或模式，并手動審查偏離這些預定義規范的交易。雖然它們已被證明在某些情況下是有效的，但在當今的智能化時代，需要處理大量和復雜的數據時，這些傳統檢測技術的實際應用表現往往是緩慢和低效的。

同時，這些系統是基于已知的欺詐模式，面對不斷演變的新型欺詐威脅，它們往往力有不逮。如今的詐騙者既聰明又老練，總能找到新的方法來竊取卡號、支付信息和操縱支付細節。這表明，目前的反欺詐系統存在局限性。例如，當欺詐者更改送貨地址或信用卡詳細信息時，這些傳統方法的緩慢性和遲鈍性通常會導致威脅檢測無法迅速阻斷用戶付款。

人工智能和機器學習的進步為欺詐檢測帶來了革命性的變化。它正在超越傳統的欺詐方法，提供前所未有的檢測速度和精度。概括來說，新一代欺詐威脅防護系統應該具有以下特點：

?高度智能化。要充分利用機器學習、欺詐檢測、預測分析和人工智能的力量，在異常模式和潛在的欺詐活動造成損害之前進行預測。

?基于行為的欺詐分析。行為生物識別技術是一項新興技術，它分析用戶的典型行為（從鼠標移動到按鍵動力學），并使用這些數據來檢測表明欺詐的異常情況。

?深度學習能力。深度學習是人工智能的一個子集，能夠識別大型數據集中的復雜模式，有助于預測和預防復雜的欺詐計劃。

?區塊鏈技術。區塊鏈是一種不可破壞的經濟交易數字分類賬，可以確保交易的透明度和可追溯性，使欺詐者難以改變或偽造數據。

?大語言模型的應用。由人工智能驅動的大語言模型和虛擬助手也被用于實時檢測和溝通潛在的欺詐行為，它代表了有效的、以預防為重點的欺詐檢測的未來。

新一代欺詐威脅防護的關鍵能力

由于新一代欺詐威脅檢測未來將更加深入到組織的業務領域，因此應具備以下關鍵能力特征：

1.身份驗證和欺詐編排

有效的身份驗證是實現強大欺詐威脅防護策略的一個關鍵部分，這是一個必不可少的、不斷發展的過程，可以防止愈演愈烈的身份盜竊和賬戶接管欺詐。隨著欺詐罪犯活動的進化，組織驗證身份的方法也必須如此。在新一代的身份驗證解決方案中，需要超越基本的數據檢查，結合生物識別認證等元素，利用指紋、面部模式、聲音甚至行為特征等生物和物理特征來確認身份。

與此相輔相成的是欺詐編排，這是一種將欺詐檢測的各種元素同步到未來欺詐威脅檢測流程中的必然要求。欺詐編排在很大程度上依賴于人工智能和自動化，提高了檢測的效率，更重要的是，提高了捕捉欺詐行為的準確性。實際上，它充當了一個警惕的守衛者和一個堅定不移的欺詐保護盾牌，保護組織的業務免受欺詐威脅損害。

2.數據分析和預測建模

在新一代的欺詐威脅檢測中，數據分析和預測建模扮演著“劍”和“盾”的角色。它們是一種強大的工具，可以檢查大量的歷史和實時數據，識別已知的欺詐模式，并通過對數據趨勢和不一致性進行建模來預測即將出現的新模式。

下述是一些應用示例：

?財務數據的回歸分析；

?偵測信用卡詐騙；

?概率模型，以確定可能的逃稅案件；

?保險索賠的文本分析，以檢測欺詐活動；

異常檢測是數據分析的一個子領域，同時也是發現隱性欺詐的關鍵技術，專門用于識別數據集中的異常值。一個強大的異常檢測系統將能夠提供以下關鍵信息：

?即將或正在發生的安全漏洞；

?硬件或軟件問題；

?不斷變化的客戶需求；

?任何需要（立即）關注的挑戰。

3.人工智能與模式識別

在新一代的欺詐威脅檢測中，人工智能與模式識別在識別表明欺詐活動的異常行為方面將起著至關重要的作用。基于人工智能的識別系統可以成為入侵防御系統的一部分，防止未經授權的網絡流量、登錄嘗試和數據傳輸。

該技術能夠利用復雜的數學模型來發現數據集中的不規則模式，下面是一些常見的檢測用例：

?使用統計模式識別（statistical pattern recognition）來確定異常值；

?利用神經網絡識別復雜模式；

?利用序列檢測識別重復的欺詐模式；

?聚類在基于組的異常檢測中的應用；

?利用分類技術預測欺詐案件。

4.集成和協作

在未來的欺詐威脅檢測戰場上，團結就是力量。只有將欺詐檢測系統與各種風險管理系統、網絡安全工具相結合，才可以創建一個全面的欺詐威脅防御體系。這種全面的防御策略有助于捕獲和消除跨多個點的欺詐行為，增加檢測和預防復雜攻擊的機會。

在實現能力集成的基礎上，有效協作將是有效打擊欺詐活動的另一支柱。通過協作和共享威脅情報庫，組織可以獲得巨大的集體知識收益。這種協作方法可以更快地對新威脅做出反應，從而使企業在與欺詐者的競爭中占據關鍵優勢。聯合各種力量有利于建立一個更安全、更防欺詐的未來。

5.強大有力的內部控制

整合健全的內部控制對于打擊欺詐至關重要。以下這些旨在阻止欺詐活動的控制措施，能夠在打擊欺詐的戰爭中衛組織構建一道堅固的防線：

?評估和識別公司內部的風險區域；

?制定清晰一致的內部威脅政策和程序；

?對重要的數據資產實施加密和安全保護措施；

?對特權賬戶進行職責分離，以避免潛在的利益沖突；

?定期監控和審核業務流程的合規性；

?建立欺詐活動的保密舉報機制。

6.設置培訓和教育員工環節

大量的實踐表明，開展員工培訓和安全意識教育是防止欺詐威脅的關鍵防線，可以有效地識別和響應欺詐活動，同時大大增強組織的網絡安全彈性。

?制定全面的欺詐意識培訓計劃，涵蓋常見的欺詐類型及其指標；

?教育員工了解欺詐行為的后果，包括法律上的和組織上的；

?定期進行培訓，使員工了解最新的欺詐技術和預防措施；

?鼓勵公開溝通和舉報可疑的欺詐行為；

?加入道德培訓，促進組織文化，阻止欺詐活動；

7.實現自動化的防護流程

利用自動化的力量，將會徹底改變欺詐檢測和防御的模式。它加快了流程，提高了準確性，減少了對人工程序的依賴，使其成為該領域的游戲規則改變者。隨著科技的飛速發展，我們可以通過算法對海量數據進行篩選，發現其中的可疑活動。例如，人工智能和機器學習可以快速掃描和分析交易，以識別異常和潛在的欺詐實例。

采用自動化的欺詐威脅檢測方法不僅有助于保持敏銳、持續的警惕性，同時還可以實現快速檢測、即時警報和全天候監控。

原文鏈接：

https://www.fraud.com/post/advanced-fraud-detection

https://www.splunk.com/en_us/blog/learn/fraud-detection-prevention.html

https://www.infoq.com/presentations/fraud-prevention-generative-ai/