机器学习可以进行信用卡欺诈检测？

“机器学习”是一门计算机科学学科，指的是机器利用数据进行学习并完成通常需要人类智能的任务的能力。这项技术正在迅速发展:根据Gartner的数据和分析服务，到2022年，超过一半的数据和分析服务将由机器而非人类来完成，比现在多了10%。

机器学习能够减少诈骗，事实上，超过60%的人越来越觉得，等待某件事的发生会立即影响他们对潜在品牌的认知——尤其是当涉及到身份或财务欺诈时。

实时决策需要机器学习和人工智能

机器学习和人工智能（AI）正在颠覆企业、品牌甚至整个行业。他们有能力大幅降低劳动力成本，产生新的和意想不到的创意，发现新的模式，并依靠原始数据建立预测模型。他们还能够操作数据分析，并支持以前不可能实现的实时自动决策。当机器学习以自动化、低延迟的方式应用于真实数据时，结果可能会影响到正在发生的业务活动，如果正确地利用和利用，将为组织提供真正的竞争力。

在不同行业的反诈骗部门中，我们可以清楚地看到，机器学习和实时数据分析对高风险业务事件可能产生的有形影响。下面的两个例子：

在金融服务业中防止身份盗窃和欺诈

行业领先的通信、信息和技术解决方案提供商华为技术有限公司(Huawei Technologies)在使用一个跨国数据库，对信用卡和移动支付交易进行实时欺诈分析。每次刷卡或插卡，或者手机被点击或扫描，可以提示要么是授权，要么是拒绝。这一决定正是应用一种机器学习来实现的，系统可以根据历史欺诈数据的信息来识别各种欺诈行为。依靠一个大数据系统，该系统接收从行业数据库导出的信息，然后将模型作为存储过程或用户定义的函数每天多次加载到数据库中。

随着骗子们不断地改变他们的方法，不断更新机器学习欺诈模式对提高决策的质量和错误的积极率是至关重要的。机器学习的一个重要区别是注重预防和检测。欺诈防范让银行信息主动捉欺诈­流而不是事后弥补,能帮助银行提高的客户满意度分数(CSAT)和降低金融风险。拥有在欺诈发生前阻止它的能力，不仅可以为金融机构节省成本，还可以通过最小化风险敞口，帮助保持较高的品牌价值。机器学习和人工智能的力量可以帮助防止欺诈的发生。

减少数字广告中的欺诈行为

与银行一样，adtech供应商必须迅速处理欺诈问题。在这个例子中，犯罪者是广告机器人，他们是恶意代码位，行为像人类一样进行欺诈。广告公司和广告客户每年损失数百万美元，最终由于网络诈骗，如Methbots，他们的品牌声誉受到了打击。例如，这些机器人可以对流行的视频内容进行恶搞，出版商在这些视频内容上出售广告空间，然后通过程序鼠标移动和虚假的社交媒体信息模拟人与视频互动。adtech中另一个恶意行为的例子是点击欺诈，它发生在一个广告上(手动或自动)，目的是为了增加点击次数。

为了实时检测和处理点击欺诈，广告商需要监控每一次点击，发现异常，并做出适当的反应。解决方案必须快速、准确和灵活，足以跟上现代欺诈攻击。检测和制止这种类型的欺诈需要一个数据库，它能够消化大量合法和欺诈的流量，并在授权广告支出之前决定每个类别下的流量。

通过结合机器学习和人工智能，公司能够在5到10毫秒内发现数据异常，并根据发生的信息做出决策，甚至预测结果。人工智能和机器学习结合在一起是一种强大的工具，再加上快速的内存跨皮质数据库，其结果是商业领域中许多领域的重大进步。