全球信用卡交易欺诈造成的财务损失预期的到 2026 年将达到 430 亿美元。
在 Amazon Web Services (AWS) 上运行的用于欺诈检测的全新 NVIDIA AI 工作流程可以帮助应对这一迅速蔓延的流行病——使用加速数据处理和先进算法来提高 AI 检测和防止信用卡交易欺诈的能力。
本周推出金钱20/20金融科技大会工作流程使金融机构能够根据用户行为识别交易数据中的微妙模式和异常，与传统方法相比，提高准确性并减少误报。
用户可以使用以下方法简化欺诈检测工作流程从传统计算到加速计算的迁移：NVIDIA 人工智能企业软件平台和 NVIDIA GPU 实例。
采用综合机器学习工具和策略的企业可以观察到高达估计的数据欺诈检测准确率提高 40%，提升他们更快地识别和阻止欺诈者并减轻伤害的能力。
因此，美国运通和第一资本等领先的金融组织已使用人工智能构建专有解决方案，减少欺诈并加强客户保护。
新的 NVIDIA 工作流程可加速数据处理、模型训练和推理，并演示如何将这些组件封装到由 NVIDIA AI 提供支持的单一、易于使用的软件产品中。
该工作流程目前针对信用卡交易欺诈进行了优化，可以适应新账户欺诈、账户接管和洗钱等用例。
用于欺诈检测的加速计算
随着人工智能模型规模、复杂性和多样性的扩大，对于包括金融服务在内的各行业组织来说，利用经济高效的计算能力比以往任何时候都更加重要。
传统的数据科学管道缺乏必要的计算加速来处理在整个行业损失迅速增加的情况下有效打击欺诈所需的大量数据。杠杆作用适用于 Apache Spark 的 NVIDIA RAPIDS 加速器可以帮助支付公司减少数据处理时间并节省数据处理成本。
为了有效管理大规模数据集并通过复杂的 AI 模型提供实时 AI 性能，金融机构正在转向 NVIDIA 的 AI 和加速计算平台。
使用梯度增强决策树（一种机器学习算法）并利用 XGBoost 等库，长期以来一直是欺诈检测的标准。
用于欺诈检测的新 NVIDIA AI 工作流程使用NVIDIA RAPIDS一套人工智能库图神经网络（GNN）嵌入作为附加功能，有助于减少误报。
GNN 嵌入被输入 XGBoost 以创建和训练模型，然后可以使用该模型进行编排NVIDIA Morpheus 运行时核心图书馆和NVIDIA Triton 推理服务器用于实时推理。
这NVIDIA 墨菲斯框架安全地检查和分类所有传入数据，用模式对其进行标记并标记潜在的可疑活动。NVIDIA Triton 推理服务器简化了生产中所有类型 AI 模型部署的推理，同时优化了吞吐量、延迟和利用率。
NVIDIA Morpheus、RAPIDS 和 Triton Inference Server 可通过 NVIDIA AI Enterprise 获取。
领先的金融服务组织采用人工智能
有一段时间，当北美多家大型金融机构据报告，在线或移动欺诈损失持续增加，人工智能正在帮助应对这一趋势。
美国运通于 2010 年开始使用人工智能来打击欺诈，利用欺诈检测算法实时监控全球所有客户交易，在短短几毫秒内生成欺诈决策。美国运通利用先进算法的组合（其中一种算法利用了 NVIDIA AI 平台）提高了模型的准确性，从而提高了公司更好地打击欺诈的能力。
欧洲数字银行邦克使用生成式人工智能大语言模型帮助侦查欺诈和洗钱活动。其人工智能驱动的交易监控系统通过 NVIDIA 加速计算实现了近 100 倍的模型训练速度。
纽约银行三月份宣布它成为第一家部署NVIDIA DGX SuperPOD和DGX H100 系统，这将有助于构建支持欺诈检测和其他用例的解决方案。
现在，系统集成商、软件供应商和云服务提供商可以集成新的 NVIDIA AI 工作流程进行欺诈检测，以增强其金融服务应用程序并帮助确保客户资金、身份和数字账户的安全。
探索欺诈检测 NVIDIA AI 工作流程并阅读此 NVIDIA 技术博客在增压使用 GNN 进行欺诈检测。
了解更多关于用于欺诈检测的人工智能 通过访问搭载 AWS 的 NVIDIA AI Pavilion本周在拉斯维加斯举办的《Money 20/20》。