人工智能可利用卷积神经网络减少金融欺诈

本文由人工智能观察编译

译者：Sandy

欺诈一直是金融服务机构面临的主要问题，随着全球交易的增加，危险系数也会随之增高。幸运的是，人工智能在减少金融欺诈方面有巨大的潜力。换句话说，欺诈自动检测工具在越来越智能的同时，机器学习会逐渐强大，至于其前景，应该也会有很大改善。

安全公司McAfee在一份最新的报告中指出，目前全球经济中网络犯罪造成的损失约为6000亿美元，占全球国内生产总值（Global Gross Domestic Product）的0.8％。其中，最常见的且可预防的网络犯罪形式之一是信用卡欺诈，近期这种情况因在线交易的增长而愈加严重。因此，当信用卡诈骗发生时，智能欺诈检测技术对资金损失的速度来说变得越来越重要。

那人工智能可以做什么呢？基于大量客户数据的可用性以及随交易的发生而更新的数据，AI可对特定客户的非常规信用卡使用行为进行有效识别。

有初创公司研发了一种用于匹配客户与产品的自动化通用算法，在一定情况下，类似的模式可以有助于打击网络犯罪。举个例子，网络安全公司可以专注于深度学习，通过识别数据点之间的底层关系并将其减少到核心组件来创建用户和交易指纹；然后使用数学模型（取决于用户群集）将它们聚在一起，之后就可以在任何给定的时间内监视与该集群中的其他用户相关的行为模式。

更复杂模型的一个附加优势，是它能够使用各种数据点（有点类似于Mastercard已经采取的措施）来持续地将不同的客户和交易纳入最适合的群集以进行准确比较。因此，随着客户的生活环境和消费习惯发生变化，该模型将自动调整它认为的可能存在的潜在欺诈交易。这可以减少实际的欺诈交易，并最小化误报的概率。

此外，随着先进技术的使用以及更多全球性交易的产生，电子欺诈的可能性越来越大，再加上网络犯罪分子利用不受监管的加密货币交换来发现新的网络犯罪形式，这使得利用最先进的技术来打击网络犯罪成为一种必然。

幸运的是，对于那些希望进一步减少欺诈活动的人来说，我们看到了基于人类思考方式的新一代算法。它们被称为卷积神经网络（CNN），基于视觉皮层（细胞的一小部分，对人体视觉的特定区域很敏感）。实际上，这些神经网络直接使用图像作为输入，功能与视觉皮层相同，也就是说，他们能够提取基本的视觉特征，如定向边缘，端点和角等。

人工智能中的这一新发展，使原本就已智能化的算法变得更加智能。这项技术可以研究个人的消费数据，并根据这些信息确定他们是否在其信用卡上完成了新的交易，或者是否有其他人使用了他们的信用卡数据。正如世界科学院（World Academy of Science）的一份研究报告所提到的，这一技术最重要的潜力在于神经网络从建模数据中学习关系的能力。而使用此类解决方案来遏制网络犯罪将大大减少经济损失。

当然，这一目标的实现也将降低银行的整体成本，并提高他们在客户中的声誉，毋庸置疑，客户在很大程度上会更信赖一家可以更好地保护其资金的机构。甚至还有一种可能，即银行也可能通过降低交易费用或降低利率的方式，将减少欺诈行为所节省的部分成本转到客户身上。最终，人工智能很可能会对整个银行业带来一场彻底的变革，不仅会减少网络犯罪，而且还会让客户更满意以致于银行可以从中获得更多的客户支持。讲真，这的确是一个双赢的局面。

（文中图片来自网络）