人工智慧可利用卷積神經網路減少金融欺詐

本文由人工智慧觀察編譯

譯者：Sandy

欺詐一直是金融服務機構面臨的主要問題，隨著全球交易的增加，危險係數也會隨之增高。幸運的是，人工智慧在減少金融欺詐方面有巨大的潛力。換句話說，欺詐自動檢測工具在越來越智能的同時，機器學習會逐漸強大，至於其前景，應該也會有很大改善。

安全公司McAfee在一份最新的報告中指出，目前全球經濟中網路犯罪造成的損失約為6000億美元，佔全球國內生產總值（Global Gross Domestic Product）的0.8％。其中，最常見的且可預防的網路犯罪形式之一是信用卡欺詐，近期這種情況因在線交易的增長而愈加嚴重。因此，當信用卡詐騙發生時，智能欺詐檢測技術對資金損失的速度來說變得越來越重要。

那人工智慧可以做什麼呢？基於大量客戶數據的可用性以及隨交易的發生而更新的數據，AI可對特定客戶的非常規信用卡使用行為進行有效識別。

有初創公司研發了一種用於匹配客戶與產品的自動化通用演算法，在一定情況下，類似的模式可以有助於打擊網路犯罪。舉個例子，網路安全公司可以專註於深度學習，通過識別數據點之間的底層關係並將其減少到核心組件來創建用戶和交易指紋；然後使用數學模型（取決於用戶群集）將它們聚在一起，之後就可以在任何給定的時間內監視與該集群中的其他用戶相關的行為模式。

更複雜模型的一個附加優勢，是它能夠使用各種數據點（有點類似於Mastercard已經採取的措施）來持續地將不同的客戶和交易納入最適合的群集以進行準確比較。因此，隨著客戶的生活環境和消費習慣發生變化，該模型將自動調整它認為的可能存在的潛在欺詐交易。這可以減少實際的欺詐交易，並最小化誤報的概率。

此外，隨著先進技術的使用以及更多全球性交易的產生，電子欺詐的可能性越來越大，再加上網路犯罪分子利用不受監管的加密貨幣交換來發現新的網路犯罪形式，這使得利用最先進的技術來打擊網路犯罪成為一種必然。

幸運的是，對於那些希望進一步減少欺詐活動的人來說，我們看到了基於人類思考方式的新一代演算法。它們被稱為卷積神經網路（CNN），基於視覺皮層（細胞的一小部分，對人體視覺的特定區域很敏感）。實際上，這些神經網路直接使用圖像作為輸入，功能與視覺皮層相同，也就是說，他們能夠提取基本的視覺特徵，如定向邊緣，端點和角等。

人工智慧中的這一新發展，使原本就已智能化的演算法變得更加智能。這項技術可以研究個人的消費數據，並根據這些信息確定他們是否在其信用卡上完成了新的交易，或者是否有其他人使用了他們的信用卡數據。正如世界科學院（World Academy of Science）的一份研究報告所提到的，這一技術最重要的潛力在於神經網路從建模數據中學習關係的能力。而使用此類解決方案來遏制網路犯罪將大大減少經濟損失。

當然，這一目標的實現也將降低銀行的整體成本，並提高他們在客戶中的聲譽，毋庸置疑，客戶在很大程度上會更信賴一家可以更好地保護其資金的機構。甚至還有一種可能，即銀行也可能通過降低交易費用或降低利率的方式，將減少欺詐行為所節省的部分成本轉到客戶身上。最終，人工智慧很可能會對整個銀行業帶來一場徹底的變革，不僅會減少網路犯罪，而且還會讓客戶更滿意以致於銀行可以從中獲得更多的客戶支持。講真，這的確是一個雙贏的局面。

（文中圖片來自網路）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！