【Fintech】AI 如何用於檢測詐騙行為？

人們過去在實體商店購買的東西，現在都在網路電商上購買，無論是大型家具、生活雜貨，甚至是汽車或藝術品。這些交易，往往涉及許多信用卡資料、金融帳戶等隱私資料。企業要用人工方式一一檢核每天幾億筆的交易紀錄與數據可能很困難。

詐騙檢測是機器學習拿手的應用令譽，在銀行和保險等領域相當成功。

根據 McAfee 的最新報告，網路詐騙目前對全球經濟已經造成至少 6000 億美元的損失，佔全球 GDP 的 0.8%，而且還是快速成長的領域。數位詐騙行為正成為銀行、商家和消費者越來越大的威脅，每年造成數十億美元的損失。

詐騙的方式日新月異，很有可能透過虛假憑證、電話詐騙和商業電子郵件洩密 (BEC) 等在內的詐騙行為，最重要的步驟都是通過社交工程取得權限，並非直接破解安全機制。

對於銀行與企業，日益增加的詐騙不但增添交易的麻煩，也會減損企業在消費者心中的形象，如何更高效率地抑制反詐騙行為，是很重要的任務。

人工智慧與詐騙檢測

使用人工智慧檢測詐騙，有助於企業提高內部安全性、減少安全人員的負擔、也能簡化企業營運結構，減少決策壓力、藉此提高了效率，人工智慧已經成為避免金融犯罪的重要工具。

人工智慧最大優勢就是能夠用來分析大量交易資料，發現(可能連詐騙集團都沒發現)的詐騙模式，隨後可用於即時檢測詐騙。

當人工智慧懷疑存在詐騙行為時，人工智慧模型可用於自動拒絕交易或將其標記，好讓專業人員能進一步調查，評估詐騙的可能性，並修改偵測模型，使調查人員能夠將精力集中在最有希望的情況上。

AI 模型還可以為這些標記的交易進行分類、提供原因代碼。這些原因的代碼能夠讓新進的調查人員，對於詐騙行為有初步的認識，知道哪裡可能有需要調查的地方，加快調查速度。

機器學習和人工智慧在詐騙檢測中的作用

機器學習是一種分析與處理資料的方式，可以在沒有人類分析師幫助的情況下，找出資料中的某種規律。 人工智慧則泛指使用特定模式，來完成各種複雜任務的判斷邏輯。

如今雲端人工智慧框架的發展已經非常成熟，工程師輕易地就可以在短時間使用雲端的開發環境，並開發出可靠的人工智慧模型。

使用機器學習和 AI 預防詐騙的好處

使用機器學習和 AI 預防詐騙的好處

隨著時間過去，機器學習模組會了解甚麼是合理的交易模式，甚麼是需要真人來處理的異常交易行為，甚至能夠用來應全新未知的詐騙方法。

一般企業如果需要靠自己建構這些伺服器或是運算能力，可能相當耗時耗力也耗費資源，所幸現在已經有 InfinitiesSoft 等企業，提供了相當完善的雲端AI 開發平台。

使用者和企業可以輕鬆部署 機器學習 來了解需要改進的流程，無需投入高昂的前期建置成本，導致難以決定是否佈屬 AI ，錯過先機。

使用 AI 進行詐騙檢測和預防的策略

1. 同時使用有監督和無監督學習的 AI 模型

組織犯罪的策略每天都在改變，適應性極強，任何單一的分析方法與防禦最終將會失敗。最好的方式就是導入人工智慧，建立能夠自行學習且不斷變化的防詐騙策略。

所以同時使用監督和非監督學習的模型在詐騙檢測中都相當重要。監督模型是對大量正確「標記」的交易能夠進行訓練的模型，這是所有領域中最常見的機器學習類型。

每筆交易都會被分配到以下兩個類別之一：詐騙或非詐騙。為了發現最能反映合法交易行為的模式，需要了解大量標記的交易資訊進行訓練。

當標記的交易數據很少或尚未存在時，無監督模型的目的在檢測異常行為。在這些情況下，必須使用自我學習，來發現數據中被傳統分析隱藏的模式。

導致金融詐騙的各種挑戰

2. 即時行為分析

機器學習相當適合應用在行為分析，以分析和預測交易各個方面的微行為。描述每個使用者、商家、帳戶和設備習慣的交易方式。

這些分析結果會隨著每筆交易即時更新，允許計算分析特徵，提供對未來行為的準確預測。一般而言行為模式改變可以分為交易相關或非交易相關這兩大類。像是變更地址或個資、短時間大量申請信用卡或修改密碼都是非交易相關的例子。

交易相關的行為分析則更為複雜。人工智慧分析可以快速了解，某一個人在特定時間、地點、資金需求、稅務狀況等情境的交易模式，可以了解使用者平常交易的金額大小、時間和頻率等訊息，以偵測出詐騙集團的異常模式。

AI 所建立的用戶檔案相當有用，能夠提供安全人員了解用戶最新的交易模式與需求，防止詐騙的同時，也避免誤報使正常交易無法進行。可靠的企業詐騙解決方案，需要包括各種分析模型和用戶檔案，提供分析即時交易趨勢所需的資訊。

3. 使用大型資料庫開發模型

增加數據的規模與廣度，對機器學習模型是否成功的影響，在許多情形下，甚至比選擇甚麼演算法要來的重要。如何增加高品質且能夠用於建立機器學習模型的資料庫，可以有效提升預測準確性。

想像一下：有經驗的醫師在住院醫師培訓期間，需要看過數千名住院或門診患者，才能成為一個獨立的醫師。這種累積知識或經驗的方式，才能讓他們能夠在其專業領域內正確診斷。對每一個個案深入且有意義地分析，才能讓每一次的看診經驗成為未來的判斷依據。

在詐騙檢測領域，AI 模型需要吸收數百萬或數十億的實際案例（包括有效交易和詐騙交易），增加自己的預測準確度。如何有效地分析大量的交易數據，並建立對市場和時機的理解，好用來估計個人受到詐騙的風險，對防制詐騙相當重要。

結論

利用有監督和無監督的機器學習模型，結合大型資料庫，導入人工智慧 (AI)，建構自動化詐騙檢測策略，已經是金融或電商產業的重要趨勢。無論是假冒商業電子郵件，進行網路釣魚、金融詐騙、身份竊盜、偽造文件、虛假賬戶或是勒索軟體等，都有可能導致用戶或是平台的財務損失。只要未來無現金交易、線上交易的趨勢不變，針對使用者和平台的詐騙攻擊就只會日益增加，不會減少。

未來幾年導入人工智慧，都將成為防制詐騙最重要的數位工具之一。