肯睿Cloudera：AI成為亞洲金融業(yè)打擊欺詐行為的核心手段

在全球金融業(yè)中，亞洲金融市場(chǎng)是最活躍且利益豐厚的地區之一。然而，隨之而來(lái)的高額利潤同樣吸引了網(wǎng)絡(luò )犯罪分子的目光。近期報告顯示，金融業(yè)已成為亞洲受攻擊最頻繁的行業(yè)。而且，這些攻擊并非僅限于企業(yè)層面。2023年上半年，新加坡的詐騙案激增64.5%，主要原因是電商和線(xiàn)上渠道的犯罪活動(dòng)增多。

與此同時(shí)，金融詐騙的手段也愈加復雜。最近，一則深度偽造視頻廣告引起廣泛關(guān)注。視頻內容是一名新加坡新聞主播采訪(fǎng)埃隆·馬斯克（Elon Musk）。網(wǎng)絡(luò )犯罪分子通過(guò)操縱兩者的形象和聲音引導用戶(hù)投資一個(gè)可疑項目。這起事件并非個(gè)例。德勤的專(zhuān)家警告，網(wǎng)絡(luò )犯罪分子將使用生成式人工智能強化其攻擊手段。中國司法大數據研究院日前發(fā)布的《金融反詐最新行動(dòng)指南》指出，金融詐騙“網(wǎng)絡(luò )化”特點(diǎn)顯著(zhù)，作案手段多變、智能化、高科技化、隱匿性強。那么，出現這種情況的原因是什么？

新的在線(xiàn)金融渠道為網(wǎng)絡(luò )犯罪分子創(chuàng )造機會(huì )

亞洲快速的數字化轉型催生了大量在線(xiàn)服務(wù)，為消費者提供了更多便利。比如，一些國家允許公民使用本國數字身份證注冊銀行服務(wù)、通過(guò)金融整合平臺集中管理投資組合等。

但這種互聯(lián)性為網(wǎng)絡(luò )犯罪分子提供了大量機會(huì )。一旦獲得某項服務(wù)的訪(fǎng)問(wèn)權限，他們便能竊取大量個(gè)人數據。另外，日益普及的生成式AI在線(xiàn)工具也使網(wǎng)絡(luò )欺詐行為（例如網(wǎng)絡(luò )釣魚(yú)）對于普通用戶(hù)更具迷惑性。

盡管監管部門(mén)正通過(guò)實(shí)施責任共擔框架等法規應對欺詐行為，但對于許多金融機構和私營(yíng)部門(mén)的企業(yè)來(lái)說(shuō)，在精準識別和打擊借助AI實(shí)施的欺詐行為上遇到的困難和所需資源正日益增加。為了識別欺詐行為，調查人員不得不投入更多資源和時(shí)間，深入研究眾多犯罪歷史記錄和實(shí)時(shí)行為特征。而且每當一種欺詐手段得到有效遏制，犯罪分子就會(huì )迅速轉換到另一種攻擊手法。

面對高昂的金融反詐成本和日益嚴格的監管法規，金融機構如何才能更好地打擊欺詐行為？

基于可信的數據，利用AI和ML（人工智能和機器學(xué)習）打擊欺詐行為

毋庸置疑的是，借助AI和機器學(xué)習（ML）手段可以幫助企業(yè)更加智能和實(shí)時(shí)地發(fā)現欺詐跡象和模式，還能幫助調查人員自動(dòng)進(jìn)行行為分析、推理和預判，從而降低成本并提高工作效率。如果這些技術(shù)能夠在全企業(yè)范圍內的各個(gè)業(yè)務(wù)場(chǎng)景得到充分應用，企業(yè)的防欺詐能力將得到顯著(zhù)提升。

只有當企業(yè)可以采集并且充分利用實(shí)時(shí)并且可信的各類(lèi)數據源來(lái)訓練模型，并有效識別業(yè)務(wù)行為特征和趨勢時(shí)，才能更有效地運用算法模型打擊欺詐行為。訓練數據集必須盡可能完整且相關(guān)，例如，企業(yè)應整合可提供行為洞察的數據，除了銀行交易記錄和信用評分之外，語(yǔ)音交互數據、現場(chǎng)視頻記錄、合規采集的線(xiàn)上數據等，都能使算法模型能夠更效識地別欺詐指標。

由于整合、清理和準備用于訓練的海量數據需要巨大算力支撐，企業(yè)還必須確保擁有支持AI開(kāi)發(fā)工作的配套基礎設施。

如果未使用高質(zhì)量的數據訓練AI和ML工具，調查人員最終得到的可能是AI幻覺(jué)和誤報，這不僅浪費時(shí)間，還會(huì )削弱企業(yè)領(lǐng)導人對此類(lèi)解決方案的信任。

頭部金融機構如何運用AI和ML降低欺詐風(fēng)險

許多金融機構正在通過(guò)規劃和部署基于現代數據架構的統一數據湖倉等新型數據管理技術(shù)來(lái)降低欺詐風(fēng)險。這些技術(shù)能夠安全且合規地在不同環(huán)境中實(shí)時(shí)采集、整合、治理和標注數據。而這種做法成功的關(guān)鍵在于是否能夠在數據采集、加工、使用的全鏈路中統一內置數據安全和治理能力。

為打擊欺詐行為，新加坡頭部銀行大華銀行進(jìn)行了人員、流程和技術(shù)轉型。繼建立企業(yè)級數據平臺后，該行重構了更加靈活的業(yè)務(wù)數據集湖倉和集市。其中風(fēng)險集市目前處理了來(lái)自40多個(gè)源系統的數據，涵蓋了客戶(hù)信息、賬戶(hù)、財務(wù)和產(chǎn)品維度等。大華銀行通過(guò)在該平臺上開(kāi)發(fā)新的機器學(xué)習模型以?xún)?yōu)化欺詐分析，已將可疑洗錢(qián)交易的誤報率降低了40%。

為了延續風(fēng)險數據集市的成功，大華銀行計劃推出一個(gè)新的準實(shí)時(shí)數據集市，目的是推動(dòng)其反洗錢(qián)工作的實(shí)時(shí)化和智能化，并提升公司整體的數據分析能力。大華銀行相信通過(guò)其實(shí)時(shí)采集的數據和智能平臺，可以進(jìn)一步利用數據引領(lǐng)人員、流程和技術(shù)的下一輪轉型。

同樣，擁有2000多萬(wàn)客戶(hù)和4500多家分行的印度第三大私營(yíng)銀行Axis Bank也已開(kāi)始使用AI和ML降低欺詐風(fēng)險。通過(guò)使用全企業(yè)數據管理平臺，Axis Bank能夠分析其系統中來(lái)自多個(gè)數據源的750 TB數據，并將這些數據用于信貸和營(yíng)銷(xiāo)分析以及欺詐檢測。

據中國人民銀行支付結算司司長(cháng)介紹。近年來(lái)，中國人民銀行金融系統識別攔截資金能力明顯上升，成功避免大量群眾受騙。月均涉詐單位銀行賬戶(hù)數量降幅92%，個(gè)人銀行賬戶(hù)戶(hù)均涉詐金額下降21.7%。2021年，人民銀行新建監測模型1.3萬(wàn)個(gè)，拒絕涉詐可疑交易1.3億筆。

如何更有效地利用AI和ML打擊欺詐行為?

為了有效打擊欺詐行為，企業(yè)必須制定綜合全面的戰略和政策使員工能夠有效利用新工具。以下是企業(yè)可以采取的四項措施：

1.建設一體化數據湖倉，整合傳統數倉與算法分析領(lǐng)域的數據管理

AI模型必須在相關(guān)且完整的數據上進(jìn)行訓練。企業(yè)應使用開(kāi)放標準和互通的數據格式建立數據管道，確?？梢詮恼麄€(gè)企業(yè)的數據源自由地采集、整合、處理數據并將它們移動(dòng)到訓練數據集。大部分企業(yè)目前建設的數據倉庫（或數據湖）是集中的，但是不同的業(yè)務(wù)部門(mén)構建了各自的應用驅動(dòng)算法平臺，導致從算法團隊角度看不到完整的特征數據集血緣關(guān)系，無(wú)法量化的判斷其模型算法的基礎數據可信程度。這就需要科技部門(mén)在建設新的數據一體化湖倉時(shí)，必須把分散的算法數據加工、數據權限管理和相應的算力資源管理都統一考慮在內。

2.優(yōu)化數據管理實(shí)踐，保證AI使用可信數據

在整個(gè)企業(yè)中采集的數據必須干凈， AI模型才能準確洞察欺詐行為。企業(yè)應盡快建立數據管理工作組，對員工進(jìn)行數據管理培訓、定期進(jìn)行審計、宣傳最佳案例并確保合規，這將確保所用數據的可信并可以直接應用于A(yíng)I。

3.實(shí)時(shí)使用數據，使AI能夠應對不斷變化的威脅

AI必須實(shí)時(shí)使用數據來(lái)預測威脅。企業(yè)應尋求可加快欺詐洞察時(shí)間的技術(shù)，例如流式分析解決方案，可以讓數據團隊分析出數據從來(lái)源到目的地的整體路徑。

4.建設統一的模型管理平臺，更好地協(xié)調反欺詐行動(dòng)

廣義的金融反欺詐能力將嵌入多個(gè)業(yè)務(wù)線(xiàn)的大量業(yè)務(wù)場(chǎng)景，在如何管理和治理跨系統的大量數據流、同時(shí)訓練和優(yōu)化多個(gè)模型，相關(guān)業(yè)務(wù)線(xiàn)如何共享策略和經(jīng)驗，以及在平臺側如何提高算力的利用率方面，企業(yè)降低整體成本仍是很大。企業(yè)應使用數據管理平臺，使利益相關(guān)方能夠簡(jiǎn)化、集中并改進(jìn)指揮與控制，同時(shí)還應該使用讓利益相關(guān)者能夠預見(jiàn)和管理合規風(fēng)險的平臺。

金融機構需要實(shí)時(shí)的預測性數據來(lái)提前防范欺詐行為

預防欺詐是一場(chǎng)“貓鼠游戲”。每當出現一個(gè)新的流行數字渠道，金融犯罪分子就會(huì )現身并找到實(shí)施欺詐的新途徑。雖然犯罪手段和渠道可能會(huì )發(fā)生變化，但有一點(diǎn)是不變的：實(shí)時(shí)的數據、豐富AI和ML手段將是幫助金融機構提前防范欺詐的關(guān)鍵。