作者:Matt Villano
当短信进来时,金道的心沉没了。
“嗨,”它读到。“您只是与REI Co-op万事达卡进行此购买吗?”
该邮件继续分享了道琼斯的卡号的最后四位数字,并以价值88.69美元的阿拉斯加航空里程(Alaska Airlines Miles)购买了一笔购买,道说她没有做到这一点。
她回信“不”。在几秒钟内,万事达卡的欺诈部门对该指控提出了异议,并将其从陶氏的活跃声明中删除。
尽管近年来信用卡安全技术通过多因素身份验证和EMV芯片提高了,但诸如陶氏之类的欺诈情况仍在发生。万事达该国最古老的信用卡公司之一是使用人工智能来预防和最大程度地减少此类情况。
在过去的10年中,信贷巨头已纳入了某种形式的机器学习实时监视交易并检测异常模式的算法,例如多个失败的登录以及大或突然的戒断。
万事达卡对AI驱动的欺诈检测系统的最新迭代具有AI技术,每年扫描近1600亿次交易。这项技术已经帮助万事达卡大大减少了假阳性欺诈案件。2024年5月新闻稿来自公司。
社会责任人工智能中心的分支机构达里尔·林说,确定欺诈通常归结为模式识别,这非常适合该任务。
“ AI可以通过确定人类分析师无法大规模发现的模式和异常来实时检测可疑交易。”林·莱迪·蒙塔格(H.
MasterCard北美市场安全解决方案高级副总裁Seckin Yilgoren表示,对于MasterCard等公司来说,尤其如此,该公司具有大量数据来培训AI的寻找。
Yilgoren表示,该公司每年处理近1600亿次交易,为其提供对数据的数据,以研究和分析可能暴露欺诈的模式。
MasterCard使用此知识来告知一个名为“决策情报”的风险评分系统,该系统将分数分配给每个交易。为此,该系统不断扫描数亿个数据点,例如持卡人的姓名,地址和购买历史记录,以预测交易是否可能是真实的。
高于一定阈值的分数被认为是合法的,而阈值低于阈值的分数则被标记为欺诈。Yilgoren说,它以50毫秒或更少的时间来做到这一点,因为它意味着该系统可以几乎实时检测并阻止欺诈性交易。这可以通过几乎立即批准或拒绝可疑交易来防止像陶氏这样的客户的头痛。
Yilgoren说,决策情报也是不断学习并适应新的欺诈模式而没有人类干预。他补充说,这项技术可能会消除误报。Yilgoren说,通过预测背景和行为,AI可以检测人脑无法检测的模式,并且可以区分合法的异常活动,例如在新电视或音乐会门票上罕见的娱乐性挥霍,以及实际的欺诈行为。
今年,万事达卡还推出了决策情报Pro,该系统评估了识别用户特征和过去用户行为以确定交易有效性之间的关系。
Lim告诉BI,这些技术对AI作为一种令人信服的论点是欺诈检测,但它们也有局限性。
他说,机器学习模型可以无意间学会根据有偏见的历史数据将合法交易与欺诈相关联。如果发生这种情况,AI驱动的系统有可能不成比例地标记某些人口统计学或位置。林说,这引起了人们对公平和信任的严重关注。
他说,最后一层的欺诈检测措施通常可以从人类的判断中受益,因为他们可以调查并提供有关为何标记任何给定交易的见解。Lim告诉BI:“目标是混合模型:速度和规模的AI,人类的细微差别和问责制。”
万事达卡首席数据官Andrew Reiskind同意。他说,该公司有一个AI治理计划,在该计划中,员工对所有AI驱动的操作和解决方案进行监督。
Reiskind告诉BI:“通过将以人为本的设计集成到我们的AI解决方案中并监督该过程,我们确保我们的技术不仅提高了效率并提供出色的产品,而且还与我们的道德标准和对负责人AI的使用保持一致。”
MasterCard还使用AI来检测欺诈,通过映射帐户,设备和交易之间的连接。
该技术使用行为生物识别技术,该技术研究了特定用户在应用程序上的类型和滑动方式,以试图检测冒险者。应用程序作为每笔交易的一部分监视此信息。从那里开始,在后端,算法考虑了唯一的数据点,例如用户在密码中键入密码的节奏,如何容纳设备以及如何移动鼠标。Yilgoren说,受信任的用户的行为与模仿它们之间存在“轻微但明显的”差异。
还有第一方欺诈的问题,这发生在消费者进行合法购买并后来要求退出的情况下,即使收到了商品和服务。为了解决这个问题,万事达卡推出了其第一方信任计划,该计划使用AI扫描数据点,例如IP地址,设备ID和运输地址,以确定退款请求合法的可能性。
Yilgoren表示,该计划结合了AI和风险建模,以使持卡人的购买历史,交付信息和地理位置更深入地了解。反过来,这可以帮助确定原始购买是否合法。
2024年,万事达卡还推出了一套由AI驱动的解决方案的骗局Protect在线骗局。
Yilgoren说:“确实,这是一个问题,即我们如何确保对客户的数据安全和信任,也是对使用我们服务的银行和商人的问题。”