在線交易成倍增加，在線欺詐案件也是如此。西安vi設(shè)計(jì)公司維護(hù)的Consumer Sentinel Network在2019年收到了320萬份身份盜竊和在線欺詐報(bào)告。隨著欺詐者越來越善于發(fā)現(xiàn)和利用系統(tǒng)中的漏洞，欺詐管理已使銀行和金融業(yè)痛苦不堪。值得慶幸的是，用于欺詐檢測的機(jī)器學(xué)習(xí)已經(jīng)為金融機(jī)構(gòu)所救。 西安vi設(shè)計(jì)公司有助于解決一些重要的業(yè)務(wù)問題，例如檢測電子郵件垃圾郵件，針對性的產(chǎn)品推薦，準(zhǔn)確的醫(yī)學(xué)診斷等。隨著處理能力的提高，大數(shù)據(jù)的可用性和進(jìn)步，機(jī)器學(xué)習(xí)（ML）的應(yīng)用得到了加速在統(tǒng)計(jì)建模中。數(shù)據(jù)科學(xué)家已成功使用機(jī)器學(xué)習(xí)和預(yù)測分析對交易進(jìn)行身份驗(yàn)證。由機(jī)器學(xué)習(xí)提供支持的自動(dòng)欺詐篩選系統(tǒng)可以幫助企業(yè)減少欺詐。

欺詐檢測錯(cuò)了–人類審查和交易規(guī)則

根據(jù)網(wǎng)絡(luò)資源的欺詐基準(zhǔn)報(bào)告，83％的北美企業(yè)進(jìn)行手動(dòng)審核，平均而言，西安vi設(shè)計(jì)公司手動(dòng)審核了29％的訂單。人類的參與可以提供有關(guān)欺詐模式和真實(shí)客戶行為的見解。這些見解可以調(diào)整自動(dòng)篩選規(guī)則。但是，人工審核的成本高昂，耗時(shí)且導(dǎo)致較高的誤報(bào)率。

由于對自動(dòng)化解決方案的信心不足，因此，人工審核人員會(huì)占用大量欺詐管理預(yù)算。企業(yè)必須對進(jìn)行人工審核的員工進(jìn)行全面的培訓(xùn)。培訓(xùn)人員手動(dòng)檢查交易既耗時(shí)又昂貴。手動(dòng)審核還會(huì)增加完成訂單所需的時(shí)間。對于客戶需要快速解決方案的數(shù)字和軟件等服務(wù)，客戶的不滿情緒可能會(huì)加劇。

超過90％的在線欺詐檢測平臺(tái)使用交易規(guī)則將可疑交易引導(dǎo)至人工審核。令人驚訝的是，一些銀行和支付網(wǎng)關(guān)仍使用這種使用規(guī)則或邏輯語句查詢交易的傳統(tǒng)方法。該平臺(tái)中的“規(guī)則”結(jié)合了數(shù)據(jù)和水平掃描。該過程的結(jié)果通常是將交易二進(jìn)制標(biāo)記為真實(shí)或欺詐。

傳統(tǒng)過程的主要缺點(diǎn)是誤報(bào)的發(fā)生。這意味著只希望進(jìn)行購買的完全普通的客戶就會(huì)遠(yuǎn)離您的業(yè)務(wù)。判斷取決于個(gè)人培訓(xùn)和交易準(zhǔn)則，具體取決于業(yè)務(wù)。如果員工拒絕每筆高于特定風(fēng)險(xiǎn)閾值的交易，或者如果損失一筆交易比進(jìn)行欺詐交易要便宜的多，那么誤報(bào)率就會(huì)很高。誤報(bào)不僅會(huì)影響流程中的銷售，還會(huì)影響客戶產(chǎn)生的生命周期價(jià)值。因此，基于規(guī)則的手動(dòng)審核應(yīng)該是欺詐檢測策略中的最后一道防線。

西安vi設(shè)計(jì)公司還使用惡意軟件和網(wǎng)絡(luò)釣魚電子郵件來破壞客戶的安全和個(gè)人詳細(xì)信息。一旦獲得，欺詐者將使用這些詳細(xì)信息訪問客戶帳戶或進(jìn)行欺詐。這些方法都旨在破壞客戶的個(gè)人和財(cái)務(wù)詳細(xì)信息，包括卡數(shù)據(jù)，以使犯罪分子能夠進(jìn)行欺詐。在此，所使用的卡數(shù)據(jù)是合法的，但未經(jīng)所有者同意。在這些情況下，此類規(guī)則和人工審核將無法阻止交易。

了解欺詐檢測的機(jī)器學(xué)習(xí)

西安vi設(shè)計(jì)公司是設(shè)計(jì)和應(yīng)用能夠從過去的案例中學(xué)到東西的算法的科學(xué)。它使用復(fù)雜的算法來遍歷大型數(shù)據(jù)集并分析數(shù)據(jù)模式。該算法有助于機(jī)器響應(yīng)尚未明確編程的不同情況。它用于垃圾郵件檢測，圖像識(shí)別，產(chǎn)品推薦，預(yù)測分析等。

大幅減少人員的工作量是實(shí)施ML的數(shù)據(jù)科學(xué)家的主要目標(biāo)。即使使用現(xiàn)代分析工具，西安vi設(shè)計(jì)公司也需要花費(fèi)大量時(shí)間來讀取，收集，分類和分析數(shù)據(jù)。ML教機(jī)器識(shí)別并評估模式對人類的重要性。特別是對于必須在短時(shí)間內(nèi)分析數(shù)據(jù)并采取行動(dòng)的用例，在機(jī)器的支持下，人類可以更高效地進(jìn)行操作并充滿信心。

機(jī)器學(xué)習(xí)將數(shù)據(jù)密集和令人困惑的信息轉(zhuǎn)換為向決策者建議行動(dòng)的簡單格式。西安vi設(shè)計(jì)公司通過不斷增加數(shù)據(jù)和經(jīng)驗(yàn)來進(jìn)一步訓(xùn)練ML系統(tǒng)。因此，機(jī)器學(xué)習(xí)的核心是一個(gè)三部分的周期，即訓(xùn)練-測試-預(yù)測。優(yōu)化周期可以使預(yù)測更加準(zhǔn)確并與特定用例相關(guān)。

為什么要在欺詐檢測中使用機(jī)器學(xué)習(xí)？

在處理大型數(shù)據(jù)集方面，機(jī)器比人類要好得多。西安vi設(shè)計(jì)公司能夠檢測和識(shí)別用戶購買過程中的數(shù)千種模式，而不是通過創(chuàng)建規(guī)則捕獲的幾種模式。通過將認(rèn)知計(jì)算技術(shù)應(yīng)用于原始數(shù)據(jù)，我們可以預(yù)測大量交易中的欺詐行為。這就是為什么我們在財(cái)務(wù)中使用機(jī)器學(xué)習(xí)來防止客戶欺詐的原因。解釋機(jī)器學(xué)習(xí)服務(wù)重要性的三個(gè)因素是：

速度-在基于規(guī)則的系統(tǒng)中，人們創(chuàng)建臨時(shí)規(guī)則以確定要接受或拒絕的訂單類型。此過程很耗時(shí)，并且涉及手動(dòng)交互。隨著商務(wù)速度的提高，擁有更快的欺詐檢測解決方案非常重要。我們的商人希望快速取得結(jié)果。以微秒為單位！只有機(jī)器學(xué)習(xí)技術(shù)才能使我們達(dá)到批準(zhǔn)或拒絕交易所需的那種置信度。機(jī)器學(xué)習(xí)可以實(shí)時(shí)評估大量交易。它正在不斷地分析和處理新數(shù)據(jù)。而且，諸如神經(jīng)網(wǎng)絡(luò)之類的高級模型可以自動(dòng)更新其模型以反映最新趨勢。

規(guī)模–機(jī)器學(xué)習(xí)算法和模型隨著數(shù)據(jù)集的增加而變得更加有效。而在基于規(guī)則的模型中，維護(hù)欺詐檢測系統(tǒng)的成本會(huì)隨著客戶群的增加而成倍增加。由于ML模型可以找出多種行為之間的差異和相似性，因此通過增加數(shù)據(jù)量可以改善機(jī)器學(xué)習(xí)。一旦得知哪些交易是真實(shí)的，哪些交易是欺詐的，系統(tǒng)就可以通過它們進(jìn)行工作，并開始挑選適合任一交易的交易。這些還可以在將來處理新交易時(shí)對其進(jìn)行預(yù)測?？焖贁U(kuò)展存在風(fēng)險(xiǎn)。如果訓(xùn)練數(shù)據(jù)中存在未檢測到的欺詐，機(jī)器學(xué)習(xí)將在將來訓(xùn)練系統(tǒng)忽略該類型的欺詐。

效率–與人類相反，機(jī)器可以執(zhí)行重復(fù)性任務(wù)。類似地，機(jī)器學(xué)習(xí)算法會(huì)做骯臟的數(shù)據(jù)分析工作，并且只有在西安vi設(shè)計(jì)公司的輸入增加見解時(shí)才將決策升級為人類。在檢測微妙或非直覺的模式以幫助識(shí)別欺詐性交易方面，機(jī)器學(xué)習(xí)通常比人類更有效。如前所述，西安vi設(shè)計(jì)公司還可以幫助避免誤報(bào)。此外，無人監(jiān)督的機(jī)器學(xué)習(xí)模型可以連續(xù)分析和處理新數(shù)據(jù)，然后自動(dòng)更新其模型以反映最新趨勢。