江苏龙网

  1. 首页 > 资讯 > 资讯 > >

人工智能网络金融金融诈骗|人工智能或可识别网络金融诈骗 2020智慧金融行业发展态势前景

在过去几个月里 ， 由于与冠状病毒相关的失业索赔众多 ， 美国的整个失业申请系统都面临巨大压力 ， 还导致了数百万美元被盗 。
据报道 ， 一个颇有经验的国际诈骗团伙 ， 利用之前获得的个人身份信息 (PII) ， 包括社会安全码、地址、姓名、电话号码和银行账户信息来欺骗政府接受索赔 。 他们用这些信息为那些根本不知情、目前仍有稳定工作的人提交了多份虚假的失业申请 。
然后 ， 本来应该付给 “仍在工作的人们 “的失业补偿金 ， 就会转移到洗钱团伙那里 。 他们将钱转来转去 ， 掩盖现金的非法真相 ， 最后存入自己的账户 。
导致这些诈骗发生的 PII 收购 ， 以及金融机构未能发现的洗钱模式 ， 都凸显了安全措施需要不断更新升级的重要性 。 相比这些基于历史系统的失败 ， 受过高质量数据训练的人工智能可能会棋高一筹 。
机器学习的异常检测方法
根据中研产业研究院《2020-2025年中国智慧金融行业发展态势与前景展望研究报告》
， 训练数据用于教会模型如何识别异常交易 。 专家们会通过手动识别可疑活动来帮助计算机学习 。 然后 ， 机器利用它从训练数据中学到的复杂知识对新的数据进行预测 。
问题在于 ， 攻击者会不断地创新技术 ， 从而摆脱计算机的监控 。 所以 ， 另一种异常检测被称为无监督异常检测 ， 它可以帮助我们踢出出现的滥用模式 。 无监督离群值检测的目标 ， 是帮助我们发现以前没有发现的模式 ， 而不是从拥有训练数据的专家那里学习 。
比如一个定期现金销售超过 100 万美元的毒品走私组织 ， 如果他们直接把钱存入银行 ， 交易就会被发现并停止 。 但是相反 ， 他们可以创建 “空壳”公司 ， 假装提供服务 ， 以此换取非法资金;然而事实上 ， 并没有实际的业务发生 。 这就是一个非法转移的案例 。
在这种情况下 ， 人工智能不会根据过去的培训数据将单个交易认定为犯罪 ， 而是会试图定义具有相似行为模式的公司群体 。 这种人工智能可能会发现一大群照常开展业务的公司 ， 但它也可能会发现一小部分公司 ， 公司的真实定位都在避税天堂 ， 并且都是最近成立的 ， 都有相对较少的客户 ， 都有稳定的业务流 ， 等等 。
通过检查人工智能发现的分组 ， 来自金融行业的安全专家就可以调查其中任何一个分组 ， 或调查不属于某个组的异常值是否可能与洗钱计划相关 。 这样 ， 我们就可以了解到犯罪分子是如何组织起来的 ， 并在未来利用这些信息来自动检测这些新型的洗钱行为 。
人工智能和金融的未来
异常检测的挑战之一 ， 尤其是在使用深度学习技术时 ， 是有时很难理解为什么某些交易或公司被挑出来列为可疑 。
严格来说 ， 机器只是产生分组和异常 ， 因此最终仍然需要人类专家来解释结果 。 但是如果人工智能不仅能告诉我们异常是什么 ， 还能告诉我们那些异常为什么被分类 ， 会不会更好呢?研究这个内容的新兴学科被称为可解释 AI (XAI) 。
让我们回到我们前面出去吃饭的例子 。 今天的人工智能可能会发送电子邮件提醒你 ， 你的帐户上发生了不寻常的活动 ， 而 XAI 不仅会提醒你 ， 还会告诉你这笔交易被标记 ， 因为它发生在一个不寻常的日子或一个不寻常的地点 。 有了这些信息 ， 你就能更好地评估这封邮件是否值得关注 。
金融领域安全和人工智能的未来 ， 将涉及从更大、更复杂的数据量中学习 。 随着我们收集到越来越多关于用户行为的信息 ， 人工智能的力量也在迅速壮大 。 我们掌握的数据越多 ， 我们对可疑行为的审查就越准确 。 在一个收集和存储的数据量几乎每年翻好几倍的世界里 ， 保护我们安全的洞察力对人工智能来说至关重要 。
更多产业研究专业分析关注中研产业研究院《2020-2025年中国智慧金融行业发展态势与前景展望研究报告》



    推荐阅读


    上一篇：佳明续航太阳能户外手表|佳明发布可无限续航太阳能户外手表 2020运动手表市场发展现状分析预测

    下一篇：国际社会|英国政府促经济重启放“大招” 推出“外出就餐半价”优惠