2019-08-09
原文摘自:Forbes 官网 2019年8月1日
原文:AI Is Predicting The Future Of Online Fraud Detection,
ISTOCK
底线:将有监督和无监督机器学习作为更广泛人工智能(AI)舞弊侦查策略的一部分,使数字商务能够快速、准确地自动化侦查和日益复杂的舞弊企图。
来自美国注册舞弊审查师协会(ACFE)、毕马威(KPMG)、普华永道(PwC)等机构的最新研究表明,有组织犯罪和国家资助的欺诈者正在提高其欺诈攻击的复杂性、规模和速度。新兴攻击中最常见的一种类型是基于使用机器学习和其他自动化技术进行欺诈,而传统的欺诈预防方法无法捕捉到这些技术。打击网络欺诈最常见的传统方法包括依赖于规则和预测模型,这些规则和模型已不再有效地应对当前更高级、更细微的欺诈企图。在线欺诈检测需要人工智能与如今迅速升级的复杂性和欺诈企图的复杂性保持平衡。
n 为什么人工智能是在线舞弊侦查的理想选择?
根据我的经验,在阻止在线舞弊方面有着最好记录的数字化企业依靠人工智能和机器学习来完成以下工作:
l 积极使用受监督的机器学习来培训模型,以便他们比手动方法更快地发现舞弊企图。我曾与那些电商企业谈起过,仅从节省时间的角度来看,监督机器学习分类,然后预测舞弊企图是很有价值的。首先采用有监督的机器学习对许多企业来说更容易,因为他们在熟悉基本概念和技术的员工中拥有分析团队。考虑到其业务模式,具有高风险的数字企业正在采用基于人工智能的在线舞弊侦查平台,为其舞弊分析人员提供所需的洞察力,以便尽早识别和阻止威胁。
l 结合监督和非监督机器学习成一个单一的防舞弊支付评分,以发现异常的新兴数据。将基于监督和非监督机器学习的舞弊分析结果集成到一个风险评分中,是人工智能使在线舞弊预防得以扩展的一种方式。在线舞弊预防领域的领导者可以在250毫秒内提交支付分数,使用人工智能解释数据并提供响应。一种结合监督和非监督机器学习的更综合的在线舞弊预防方法可以提供比以前方法两倍的预测分数。
l 利用大规模、通用的交易数据网络,对监督机器学习算法进行微调和规模化,提高了过程中的舞弊防范分数。最先进的数字企业正在寻找使用大规模通用数据集微调机器学习模型的方法。许多企业都有多年的交易数据,最初都是用于此目的的。在线舞弊防范平台也拥有大规模的通用数据网络,其中往往包括数十年来从全球数千名客户那里获取的数十亿笔交易。
这三个因素的结合形成了在线舞弊检测的基础,并定义了其未来的增长轨迹。在这三个领域中,最快速的创新领域之一是对舞弊预防分数的微调。Kount独特的创建和扩展Omni评分的方法表明,人工智能正在如何立即重新定义在线舞弊检测的未来。
Kount与其他在线舞弊侦查平台不同,因为该公司能够将其通用数据网络中的所有可用历史数据纳入考虑范围,这些数据包括12年来累积的数十亿笔交易、6500个客户、180多个国家和地区以及多个支付网络。
n 洞察为什么人工智能是在线舞弊侦查的未来?
最近的研究揭示了为什么人工智能是在线舞弊检测的未来。根据美国舞弊审查师协会(ACFE)发布的反舞弊技术基准报告,预计到2021年,组织在人工智能和机器学习上花费的金额将增加两倍。ACFE研究还发现,目前只有13%的组织使用人工智能和机器学习来侦查和阻止舞弊行为。该报告预测,在未来一两年内,还有25%的计划采用这些技术——增长了近200%。ACFE研究发现,人工智能和机器学习技术最有可能在未来两年内被采用来打击舞弊,随后是预测分析和建模。
普华永道2018年全球经济犯罪和舞弊调查基于对123个不同国家和地区的7200名c级和高级管理层受访者的采访,旨在确定全球数字舞弊预防的真实状况。
研究发现,42%的公司表示,他们增加了用于打击舞弊或经济犯罪的资金。此外,34%的c级和高级管理人员还表示,现有的打击网络舞弊的方法产生了太多的假阳性结果。
解决方案是更多地依赖机器学习和人工智能,并结合预测分析,如下图所示。Kount将这些技术结合起来定义Omni评分的独特方法反映了在线舞弊检测的未来。
人工智能是在线舞弊检测的必要基础,基于这些技术的平台要想成功,必须做好三件事。首先,监督机器学习算法需要对数十年的交易数据进行微调,以最小化误报,并为查询提供极其快速的响应。其次,需要无监督机器学习来发现新出现的异常现象,这些异常可能标志着全新、更复杂的在线舞弊形式。最后,一个在线舞弊平台要想规模化,就需要有一个大规模的、通用的交易数据网络来微调和规模化监督机器学习算法,提高过程中防舞弊分数的准确性。
文章来源: