眼爆科技

人工智能入局,一把揪出 “画风异常”的金融交易

时间:2018-12-03 08:30  编辑:眼爆科技

在近日结束的黑色星期五抢购大战中,你用信用卡在境外网站为自己买下一个心仪已久的包。

几秒后,信用卡开户银行给你打来电话。刚刚您的信用卡有一笔美元的消费,请问是您本人吗?

你可能觉得贴心,也可能感到不耐烦。此时,起作用的就是银行的反欺诈监测系统。更多时候,它进行事后确认。

但在一些金融机构,你的账户安全正在由机器守护,它更加敏锐。此时,你可能会接到这样的电话:刚刚,有人试图盗刷您的信用卡,请您注意账户安全。

一切在你未察觉时就已被终止。

特征总结高手,兼顾效率和准确率

欺诈和反欺诈的攻防战是长期存在的,有猫就会有老鼠。智能金融企业腾梭智能首席风控官郭曦表示,欺诈是一个长期存在的黑色产业链,也是金融行业一直为之头疼的问题。

对业务交易阶段的欺诈风险,金融机构通常采取的方法是设置专家规则。专家规则主要针对新发生的、共性明显、风险特征突出的欺诈行为进行拦截。专家规则不依赖于长期历史数据,更多依靠专家经验指导。

无论是专家规则,还是现在人工智能企业采用的机器学习,都是要识别特征,总结规律。比如说,盗用账户的人可能会大量使用不同的账号和密码组合来尝试登录,那么,同一台设备短期内登录过多账号就会被定义为一种异常行为,这就成了金融机构反欺诈系统中的一条规则。

如果使用传统反欺诈手段,这些规则很容易被绕过去,毕竟人能处理的信息有限。郭曦说。

现在摆在你面前的是成堆的欺诈事件,每个事件又关联着它发生的时间、地点和用户行为。你可以手动分析,但也可以将这些数据交给机器。毕竟,人工智能是特征总结的高手,效率和准确率兼顾。

从本质上来说,这也是一个找不同和分析不同的过程一桩交易如果看起来骨骼清奇,和其他本本分分的交易并不一样,机器就能将它一把揪出。

无监督还是有监督?适用最重要

人工智能做风控,目前主流的训练方法,还是有监督学习。

有监督学习,顾名思义,就是有人盯着。人工智能被投喂的,是金融机构已经标注好的正常和异常事件。

通常情况下,如果用户账号被盗用,只要他有所察觉,都会向银行反映。因此,银行能够积累起一定数量的标注好的数据集,这些也就是人工智能进行训练时的标准答案。要是机器判断对了,就给它奖励,让它记得更牢一点。

最近,也有科技金融领域的公司表示,无监督学习可以在没有标注的情况下,提前阻止未知欺诈。还有人指出,在安全领域的反欺诈中,无监督机器学习技术能表现得比有监督学习更好。

  • 共3页:
  • 上一页
  • 1
  • 2
  • 3
  • 下一页




  • 上一篇:工业互联网标识解析国家顶级节点(重庆)签约暨启动活动昨举 下一篇:IBM Talent新业务亮相,帮助企业利用AI重塑现代化人才