为了防止信用卡盗刷 机器学习算法认出你是谁

作者: 佚名 2017-03-10 09:11:49

盗刷信用卡风险已经成为困扰全球银行信用卡部门的难题之一。仅以美国为例,美联储的支付调查报道显示,2012年全美信用卡支付总金额达到260亿美元,这其中未经授权的信用卡支付,也就是盗刷信用卡的金额高达61亿美元。

对银行而言,衡量信用卡交易的风险非常困难。要实现这个目标必须快速确定哪些交易是合法授权,哪些交易是盗刷的。那么这些工作又是如何实现的呢?

站在消费者的立场来看,检测信用卡盗刷的过程似乎很「神奇」,这种检测几乎是瞬时发生的,背后涉及到一系列复杂的技术,从金融到经济到法律再到信息科学。当然,有些信用卡盗刷的检测很简单,比如,当机器发现信用卡刷卡地的邮编与发卡地的邮编不符时会发出警告。

传统的信用卡检测需要大量人力参与到海量数据的分析判断上,算法只会对一笔交易发出警告,***人类审核员会打电话确认这笔交易是否涉嫌信用卡盗刷。现在,由于交易量激增,各大银行的信用卡部门开始依靠大数据,并通过机器学习和云计算的方法快速甄别未经授权的信用卡交易。

用于信用卡检测的机器学习算法首先将被海量正常的交易数据和持卡人数据进行训练。交易结果会成为机器理解交易的一个重要维度,比如一个正常人可能每周买一次电、每两周去一趟购物中心等等,这些交易结果将成为正常交易的模型。

接下来,机器将接受实时交易数据的考验,并给出该交易是否不合法的概率,比如97%,如果检测系统设置每笔交易不合法的概率不能高于95%,那么所有这些交易将被拒绝接受付款,换句话说,交易不会成功。

这个算法考虑的因素很多,包括刷卡供应商的信任度、插卡让购买行为(时空维度)、IP地址等等,考虑的因素越多,其构建的模型也越准确。

这个检测的过程几乎是实时的,这也是人类工作者无法达到的检测速度。但整个流程中还是需要人类的参与,包括人类对算法判断的审核以及随后的信用卡欺诈跟踪等等。

金融交易过程中的数据非常大,比如目前PayPal要处理1亿690万用户的1.1PB数据。但对机器学习而言,越多的数据意味着越能提升自身的算法准确度,从而更好地识别盗刷信用卡的事件。海量数据对于银行IT系统的硬件要求非常高,数据的存储、读取和分析,都成为巨大的IT开支。

目前,银行的信用卡部门开始使用云计算作为处理海量数据的方式,云计算弹性可伸缩的特性能够机器学习算法运行的效率,有效应对诸如双11等刷卡高峰期时的信用卡检测

围绕信用卡盗刷和反盗刷的战争一直在持续,借助于机器学习、大数据和云计算以及今后可以实现的区块链技术,未来我们的钱包和卡包会越来越安全。

信用卡 盗刷 机器学习
上一篇:机器学习入门算法:从线性模型到神经网络 下一篇:2022年AI会发展成什么样子?IBM做出了5大预测
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

关于AI在游戏领域的5个预测,你不一定都知道

随着计算机视觉技术的迅猛发展,机器学习在视频游戏行业中得到了广泛地应用,尤其是在虚拟现实领域。

Yu ·  20h前
机器学习技术使显微镜变得比以往更好

机器学习帮助一些最好的显微镜看得更清楚,工作得更快,并处理更多的数据。

cnBeta ·  1天前
Epoch不仅过时,而且有害?Reddit机器学习板块展开讨论

Epoch最大的好处是确保每个样本被定期使用。当使用IID抽样时,你只要能想办法确保所有样本被同样频繁地使用就好了。

梦晨 ·  1天前
人工智能寒冬又到?美国教授arxiv发文批判AI,遭Reddit网友狂喷

人工智能又被批评了?美国教授arxiv发文批评AI有四个误区,却不料遭reddit网友炮轰炒冷饭。

佚名 ·  1天前
人工干预如何提高模型性能?看这文就够了

下面我先从使用机器学习模型来推理系统入手,再展开人工干预的推理循环的技术介绍。

AI科技大本营 ·  2天前
做出电影级的 CG 渲染!斯坦福大学研究人员提出神经光图渲染

近日,一篇题为Neural Lumigraph Rendering的研究论文声称,它对现有的2个数量级图像进行了改进,展示了通过机器学习管道实现实时 CG 渲染的几个步骤。

佚名 ·  2天前
2021年进入AI和ML领域之前需要了解的10件事

自从2012年数据科学被评为21世纪最性感的工作以来,来自不同领域的许多人开始转向数据科学或相关的机器学习角色

deephub ·  2021-04-30 23:43:04
蔡自兴院士:开源开放是人工智能发展新趋势

人工智能核心技术的突破是推动产业升级的驱动力,开源开放是人工智能发展的新趋势。

许维娜、陈欢欢 ·  2021-04-30 15:31:43
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载