大多數(shù)人認為欺詐行為的第一個領域是金融。這不僅包括騙子，而且包括銀行和交易在內的各種攻擊。關于如何使用人工智能（AI）解決更廣泛的欺詐領域（例如藥品處方欺詐），已經(jīng)進行了很多討論。去年，在線市場和交付服務的使用有了驚人的增長。這些地區(qū)的欺詐行為也有所增加。出于與在其他領域使用AI的相同原因，將AI應用于這些問題。

在線市場上最簡單的欺詐方法之一是注冊多個帳戶并發(fā)布虛假列表。標準程序技術通常由于與垃圾郵件處理效果不佳的相同原因而失敗-帖子中的文字表示欺詐，需要AI才能理解該文字并對帖子進行分類，以防可能出現(xiàn)欺詐。

零工經(jīng)濟與電子商務緊密相關，是另一個需要解決現(xiàn)代欺詐問題的領域。已經(jīng)為客戶，企業(yè)和送貨驅動程序創(chuàng)建了多個平臺，其中餐飲服務就是一個很好的例子。

識別財務舞弊和相關舞弊的最大挑戰(zhàn)是這種情況很少見。技術術語

是稀疏的嗎？欺詐的另一個關鍵方面是欺詐者不斷發(fā)明新方法。當發(fā)生規(guī)則以外或標記事件時，基于規(guī)則的系統(tǒng)和有監(jiān)督的學習型AI就會失敗。這就是為什么無監(jiān)督模型始終是欺詐中的關鍵組成部分，因為它可以在不知道異常交易的情況下檢測到異常交易。

需要分析的一個有趣領域是電子商務和實物交付。在大流行之前這是一個增長中的部門，但是去年看到了巨大的增長，這對敵對行動者很有吸引力。“我們作為電子商務平臺的客戶的欺詐行為有所增加，”DataVisor首席執(zhí)行官謝英蓮表示。“例如，組織團體已經(jīng)在買方，賣方和送貨公司之間進行了協(xié)調，以進行從未交付的欺詐性購買，從而從平臺上付款。”

盡快識別欺詐性交易很重要，但另一方面也有誤報。良好的客戶服務的一部分不會中止客戶的交易，因為它超出了她的正常購買模式。一種方法是認識到欺詐很少發(fā)生在單個帳戶中。AI可以尋找模式，例如識別在短時間內從相同或相似的IP地址創(chuàng)建的多個帳戶。結果可能是那些帳戶比單獨帳戶或現(xiàn)有帳戶更關注交易。

但是，這種方法并不完美（好像有一種完美的方法……）。平臺或行業(yè)的類型將影響AI的響應方式。目標是盡可能地進行自動操作。謝女士說：“社交媒體平臺的交流量很大。”“對這些內容進行大量的人工審查是不現(xiàn)實的，因此行業(yè)主要希望自動采取行動。對于金融機構而言，鑒于交易的重要性，它們更加開放

進行人工檢查以限制誤報。但是，趨勢和客戶體驗要求也日益推動所有交易實時進行，而無需人工檢查。”電子商務介于其他兩個示例之間。

該系統(tǒng)的核心是經(jīng)過無監(jiān)督學習訓練的神經(jīng)網(wǎng)絡。但是，正如經(jīng)常提到的那樣，人工智能是一種工具，甚至是工具帶，并不是唯一使用的人工智能。規(guī)則確實存在，可以簡化對模式的理解，同時還可以使用較低的計算開銷。一些標準的欺詐模式也可以用于某些監(jiān)督學習中。這不是純粹為技術而做出的選擇。現(xiàn)有系統(tǒng)的操作員習慣于規(guī)則。由于功能工程是AI的一個具有挑戰(zhàn)性的方面，因此人們常常開始添加AI系統(tǒng)而忽略了它，因此利用現(xiàn)有功能和規(guī)則可以加快任何系統(tǒng)的ROI速度。

責任編輯：lq