打擊欺詐和犯罪 人工智能會(huì )是人類(lèi)的超級英雄？

　　Catherine Lu是DataVisor的技術(shù)產(chǎn)品經(jīng)理，本文闡述了人工智能打擊欺詐行為的三種主要方法。

　　人工智能將成為未來(lái)的主流。它會(huì )在聯(lián)網(wǎng)的家里、車(chē)里以及其他任何地方出現。雖然它并不像外星人一樣吸引眼球，但是人工智能在偵查欺詐行為上起到了重要的作用。牽制欺詐行為是一場(chǎng)持久戰。這場(chǎng)戰爭中的雙方——好人陣營(yíng)和壞人陣營(yíng)，都在不斷快速進(jìn)行調整，以讓人工智能發(fā)揮它的最大作用。

　　人工智能當前有三種主要的方法對抗欺詐行為，分別對應人工智能的開(kāi)發(fā)領(lǐng)域。它們是：

　　1.規則和信譽(yù)列表

　　2.監督機器學(xué)習

　　3.無(wú)監督機器學(xué)習

　　規則和信譽(yù)列表

　　在今天，很多現代的組織利用規則和信譽(yù)列表打擊欺詐，這個(gè)類(lèi)似于“專(zhuān)家系統”，它在1970年代首次進(jìn)入人工智能領(lǐng)域。專(zhuān)家系統是結合了領(lǐng)域專(zhuān)家制定的規則的計算機程序。它們易于啟動(dòng)和運行，并且有人的理解能力，但它們同樣也受到了不靈活性和需要大量人力這兩方面特性的限制。

　　“規則”是指人編碼的一個(gè)邏輯語(yǔ)句，它用來(lái)偵查有欺詐的賬戶(hù)和行為。舉個(gè)例子，一個(gè)機構可能會(huì )制定一個(gè)規則：“如果一個(gè)賬戶(hù)花費了超過(guò)一千美元買(mǎi)一個(gè)東西，坐標在尼日利亞，且登錄時(shí)間小于24小時(shí)，那就阻攔這筆交易。”

　　信譽(yù)列表，相似地，建立在已知的不良行為的基礎上。信譽(yù)列表就是一個(gè)顯示一些IP地址、設備類(lèi)型以及其他個(gè)別特征及其對應的信譽(yù)評分的列表。然后，如果一個(gè)賬戶(hù)的IP地址出現在黑名單列表上，你就去阻攔它們。

　　雖然規則和信譽(yù)列表是偵查并預防欺詐的一個(gè)好方法，但是它很容易被網(wǎng)絡(luò )罪犯玩弄于股掌間。如今，數字服務(wù)比比皆是，導致注冊過(guò)程變得越來(lái)越容易。因此，欺詐者只需花一點(diǎn)的時(shí)間就可以創(chuàng )建幾十個(gè)甚至數千個(gè)賬戶(hù)，然后利用這些賬戶(hù)去學(xué)習規則和信譽(yù)列表。犯罪者可以方便地訪(fǎng)問(wèn)云托管服務(wù)、虛擬私有網(wǎng)絡(luò )、匿名電子郵件服務(wù)、設備仿真器以及移動(dòng)設備閃存，從而逃過(guò)信譽(yù)列表的懷疑。

　　自1990年代以來(lái)，專(zhuān)家系統在很多領(lǐng)域都失寵了，它輸給了更先進(jìn)的技術(shù)。顯然，我們應該有更好的反欺詐的工具。然而，現代公司中的很多反欺詐團隊仍在用這種基本的方法去偵查欺詐，這導致了大量的人工評估開(kāi)銷(xiāo)、誤報以及不良的偵查結果。

　　監督機器學(xué)習(SML)

　　機器學(xué)習是人工智能的一個(gè)分支，它嘗試著(zhù)去解決當前靈活性缺失的問(wèn)題。研究人員想讓機器從數據中得到信息，而不是為計算機應該主動(dòng)尋找的東西編程(與專(zhuān)家系統不同)。機器學(xué)習在1990年代開(kāi)始取得卓越的進(jìn)步，到了2000年代它被有效地用于反欺詐。

　　監督機器學(xué)習可應用于欺詐是一個(gè)很大的進(jìn)步。它與規則和信譽(yù)列表有很大的區別，因為它不再只是通過(guò)簡(jiǎn)單的規則看幾個(gè)特征，而是參考所有的特征。

　　這種方法有一個(gè)缺點(diǎn)。一個(gè)用于偵查欺詐的監督機器學(xué)習的模型必須使用歷史數據來(lái)判斷欺詐賬戶(hù)和行為，并識別好的賬戶(hù)和行動(dòng)。隨后，模型可以瀏覽與賬戶(hù)相關(guān)的所有的特征來(lái)做出決定。因此，模型只能找出和原先的攻擊相似的欺詐行為。許多狡猾的現代欺詐者仍然可以避開(kāi)這些監督機器學(xué)習的模型。

　　應用于偵查欺詐的監督機器學(xué)習是一個(gè)正在發(fā)展的活躍領(lǐng)域，有很多的監督機器學(xué)習的模型和方法。例如，將神經(jīng)網(wǎng)絡(luò )應用于欺詐是非常有幫助的，因為它可以自動(dòng)化特征過(guò)程，而這個(gè)步驟是非常昂貴并且需要人為干預的。這個(gè)方法相對其他監督機器學(xué)習模型，可以減少誤報和漏報的發(fā)生頻率，例如支持安全虛擬機和隨機森林模型，因為隱藏的神經(jīng)元可以比人類(lèi)編出更多的特征可能性。

　　無(wú)監督機器學(xué)習(UML)

　　相比監督機器學(xué)習，無(wú)監督機器學(xué)習減少了領(lǐng)域的問(wèn)題。在偵查欺詐領(lǐng)域，無(wú)監督機器學(xué)習在過(guò)去并沒(méi)有發(fā)揮足夠的作用。常見(jiàn)的無(wú)監督機器學(xué)習(例如k平均方法和分級群聚、無(wú)監督神經(jīng)網(wǎng)絡(luò )以及主成分分析)還沒(méi)有在偵查欺詐中取得好的結果。

　　針對欺詐的無(wú)監督方法很難在內部構建，因為它需要同時(shí)處理數十億個(gè)事件，且目前沒(méi)有能即插即用的有效無(wú)監督模型。然而，有些公司在這一領(lǐng)域已取得了長(cháng)足進(jìn)步。

　　它能夠用于反欺詐的原因就是它可以剖析欺詐攻擊。正常的用戶(hù)行為是混亂的，但是欺詐者有固定的工作模式，不管他們是否已經(jīng)意識到了這點(diǎn)。他們以一定的規?？焖俟ぷ?。一個(gè)欺詐者不會(huì )試著(zhù)去從一個(gè)在線(xiàn)服務(wù)中一下騙取十萬(wàn)美元。他們寧愿從成千上萬(wàn)的賬戶(hù)中分別騙取幾分到幾美元。但是這些活動(dòng)會(huì )不可避免地創(chuàng )建出模式來(lái)，非監督機器學(xué)習可以偵查到它們。

　　使用非監督機器學(xué)習的主要好處：

　　1.你可以更早地發(fā)現新的攻擊模式

　　2.掌控所有的賬戶(hù)，打斷欺詐者騙錢(qián)的途徑

　　3.誤報的概率減少很多，因為你在做出偵查決定前已經(jīng)收集了很多信息

　　組合拳出擊

　　每個(gè)方法都有優(yōu)點(diǎn)和缺點(diǎn)，而我們可以從各個(gè)方法中受益。規則和信譽(yù)列表方法在不需要人工智能的情況下，可以廉價(jià)并快速執行，但是它需要不斷更新，并且只能阻攔最缺乏經(jīng)驗的欺詐者。監督機器學(xué)習已經(jīng)成為了一個(gè)即插即用的技術(shù)，它能夠考慮所有的單個(gè)賬戶(hù)的所有屬性或事件，但它并不能發(fā)現新的攻擊模式。無(wú)監督機器學(xué)習是新一代技術(shù)，它可以發(fā)現新的攻擊模式、識別和一次攻擊有關(guān)的所有賬戶(hù)以及提供一個(gè)完整的全局視圖;而另一方面，它在阻攔個(gè)人欺詐者的低等級攻擊上并不是很高效，并且很難在內部執行。不過(guò)，對于那些希望阻攔大規?；虿粩噙M(jìn)行的攻擊的公司來(lái)說(shuō)，它當然還是首選。

　　一個(gè)健全的欺詐偵查系統一般都同時(shí)使用了這三種人工智能方法來(lái)反欺詐。如果合理地同時(shí)使用它們，我們可以對每一個(gè)方法都揚長(cháng)避短。

　　人工智能在偵查欺詐領(lǐng)域將會(huì )繼續進(jìn)步，最終會(huì )遠遠超出上述的已發(fā)明的技術(shù)。我們很難去把握下一個(gè)前沿。不過(guò)有一件事是確定的，那就是犯罪分子也會(huì )道高一尺、魔高一丈。使用人工智能去偵查犯罪和使用人工智能去隱藏罪行之間的競賽，還會(huì )繼續進(jìn)行下去。