作者：任鑫，數據科學高級總監，費德扎伊
生成式人工智能 (GenAI) 正在改變企業的遊戲規則，並成為欺詐者的新工具。監管人工智能並擴大技術參與者在金融服務領域的作用對於遏制欺詐的發展至關重要。
根據 2024 年詐騙現狀報告競賽&費德扎伊，銀行欺詐和詐騙導致全球損失 1 萬億美元。這些重大損失凸顯出，銀行比犯罪分子領先一步比以往任何時候都更加重要。銀行需要從應對欺詐轉向預防欺詐。
生成式人工智能為自動欺詐和金融犯罪鋪平了道路
借助社會工程、訪問因數據洩露、社交媒體和被盜銀行數據而在暗網上發布的敏感信息等現有策略，欺詐者可以大幅增強他們的騙局。
欺詐者不僅可以更快地創建新身份，而且 GenAI 還賦予這些身份更大的可信度。創建虛假圖像、視頻甚至虛假錄音的能力使欺詐者能夠從頭開始構建具有自己捏造身份的角色。
憑藉通過身份驗證檢查的能力，生成式人工智能成為金融犯罪的強大工具。
在這種背景下，隨著這些工具變得更加廣泛和先進，銀行將忍不住質疑每一次互動的真實性。
欺詐即服務正在興起
借助生成式人工智能，呼叫中心現在可以快速收集有關目標的信息，了解組織運營情況，並針對特定銀行定制攻擊。這對於新賬戶欺詐和開戶請求尤其重要。
犯罪分子可以使用 GenAI 工具來了解銀行屏幕的不同佈局和步驟。了解不同組織的運作方式後，犯罪分子可以編寫腳本來快速填寫表格並創建看似可信的身份來實施開戶欺詐。銀行將不再需要問“這是合適的人選嗎？”而且，“我的客戶是人類還是人工智能？”
擁抱人工智能的力量至關重要
企業需要先進的欺詐預防工具來保護自己免受人工智能驅動的威脅。人工智能驅動的欺詐檢測系統使組織能夠實時分析大量交易數據，發現傳統方法可能遺漏的隱藏模式和警告信號。人工智能生成的警報應包含清晰的解釋，以便人類分析師能夠理解潛在問題背後的原因並做出明智的決策。
人工智能算法可能存在偏差，需要不斷監控和改進。這就是為什麼人類專業知識仍然是基於人工智能的決策的關鍵要素。
銀行可以利用人工智能，通過風險評估預測未來風險，採取主動措施。然而，使用人工智能進行信用評估或欺詐檢測等應用的銀行必須確保其係統有效、道德、透明和負責任。
期待更多FinServe合作
隨著銀行越來越多地與金融科技和監管科技等其他金融機構聯手，合作變得越來越重要。目標是共享數據和知識，以加強對跨境欺詐系統的防禦。然而，如果銀行擔心自己面臨法律問題，他們就會猶豫是否分享信息。
為了改善數據共享和協作，監管機構必須澄清或放鬆對銀行的立場。目標是協作，但最高層需要更加明確，以確保正確共享數據。
金融機構還可以通過數據驅動的洞察來優化資源配置，將注意力集中在高風險案例上。這減少了對每筆交易進行詳盡的手動調查的需要，使團隊能夠有效地確定其工作的優先順序。因此，組織可以通過預防最重大的欺詐案件來提高效率並降低成本。
人工智能和機器學習：防止欺詐的盾牌
銀行需要人工智能和機器學習來實時檢測和防止欺詐。欺詐分析不僅有助於減少潛在損失，還可以建立客戶對銀行的信任。
欺詐分析結合了人工智能 (AI)、機器學習和預測分析來進行高級數據分析，使銀行能夠處理大量數據并快速獲得見解，以實時響應可疑的欺詐行為。
根據我們與美國銀行合作的經驗，這些銀行現在能夠檢測到一半的潛在欺詐交易。然而，人工智能和機器學習的使用使他們能夠檢測到 60% 的欺詐行為，從而避免了數百萬美元的潛在欺詐損失。
此外，GenAI 功能將誤報率降低了 40%，使銀行能夠提供更加透明、順暢的客戶體驗。
結論
在大數據時代，銀行不能再僅僅依靠傳統的基於規則的系統來檢測欺詐交易。欺詐者很快就會了解銀行的規則，並找到在不被發現的情況下實施欺詐的方法。每一種新的欺詐策略都會帶來新的學習，將銀行推入一場無休止的貓捉老鼠的遊戲。
對於銀行和金融機構來說，圍繞人工智能不斷發展的監管格局既帶來了挑戰，也帶來了機遇。一方面，機構必須靈活地更新人工智能驅動的流程，以遵守新的指導方針，同時考慮潛在的責任。另一方面，遵守這些原則可以增強客戶和利益相關者的信任，這在金融界非常有價值。
關於作者
Xin Ren 數據科學高級總監。她在金融行業工作了 10 多年，專注於提供基於人工智能的策略並為客戶帶來數據科學最佳實踐。
文章主題
||||||
