人工智慧如何協助打擊金融服務、醫療保健、政府等領域的詐騙

越來越多的公司和組織開始使用人工智慧 (AI) 來保護他們的客戶，並阻止全球詐騙者的行動。

根據語音安全公司 Hiya 的研究，2023 年每週有 5.5 億通詐騙電話被撥打，國際刑警 (INTERPOL) 估計詐騙者在同一年從受害者那裡偷走了 1 兆美元。在美國，每四通非聯絡名單的電話中就有一通被標記為可疑垃圾電話，詐騙者經常誘騙人們參加與 Venmo 相關的詐騙或延長保固的詐騙。

傳統的詐騙檢測方法包括基於規則的系統、統計建模和人工審查。這些方法在數位時代面對不斷增長的詐騙量時，無法在速度和準確性上達到平衡。例如，基於規則的系統通常有高假陽性率，統計建模可能耗時且資源密集，而人工審查的速度無法快速擴展。

此外，傳統數據科學工作流程缺乏分析詐騙檢測所需的大量數據的基礎設施，這導致處理時間變慢，限制了即時分析和檢測的能力。

而且，詐騙者本身也可以使用大型語言模型 (LLMs) 和其他人工智慧工具來欺騙受害者，讓他們投資於詐騙、放棄銀行憑證或購買加密貨幣。

但人工智慧結合加速計算系統，可以用來檢查 AI，並幫助減輕這些問題。

整合強大 AI 詐騙檢測工具的企業，詐騙檢測準確率提高了多達 40%，幫助減少金融和聲譽損失。

這些技術提供了強大的基礎設施和解決方案，用於分析大量的交易數據，並能快速有效地識別詐騙模式和異常行為。

AI 驅動的詐騙檢測解決方案通過整體分析而非單一交易來提供更高的檢測準確性，捕捉傳統方法可能忽略的詐騙模式。AI 還可以幫助減少假陽性，利用高品質數據提供有關什麼構成合法交易的背景。而且，重要的是，AI 和加速計算提供了更好的擴展性，能夠處理大量數據網絡，以即時檢測詐騙。

金融機構如何使用 AI 檢測詐騙

金融服務和銀行業是對抗詐騙（如身份盜竊、帳戶接管、虛假或非法交易以及支票詐騙）的前線。全球因信用卡交易詐騙造成的財務損失預計到 2026 年將達到 430 億美元。

人工智慧正在幫助增強安全性，應對不斷上升的詐騙事件。

銀行和其他金融服務機構可以利用 NVIDIA 技術來對抗詐騙。例如，NVIDIA RAPIDS 加速器可用於 Apache Spark，能更快地處理大量交易數據。銀行和金融服務機構還可以使用新的 NVIDIA AI 工作流程進行詐騙檢測，利用 AI 工具如 XGBoost 和圖神經網絡 (GNNs) 與 NVIDIA RAPIDS、NVIDIA Triton 和 NVIDIA Morpheus，來檢測詐騙並減少假陽性。

BNY Mellon 使用 NVIDIA DGX 系統提高了 20% 的詐騙檢測準確性。PayPal 在 NVIDIA GPU 驅動的推理上提高了 10% 的即時詐騙檢測，同時將伺服器容量降低了近 8 倍。而 Swedbank 在 NVIDIA GPU 上訓練生成對抗網絡，以檢測可疑活動。

美國聯邦機構如何用 AI 對抗詐騙

美國政府問責辦公室估計，政府每年因詐騙損失高達 5210 億美元，這是基於 2018 年至 2022 年的財政年度分析。稅務詐騙、支票詐騙和對承包商的不當付款，以及社會安全和醫療保險計劃下的不當付款，已成為政府財政的一大負擔。

雖然部分詐騙因最近的疫情而增加，但尋找新的對抗詐騙方法已成為一項戰略任務。因此，聯邦機構轉向 AI 和加速計算，以改善詐騙檢測並防止不當付款。

例如，美國財政部在 2022 年底開始使用機器學習來分析其大量數據，以減少支票詐騙。該部門估計，AI 幫助官員在 2024 財政年度防止或追回超過 40 億美元的詐騙。

除了財政部，國稅局等機構也在尋求 AI 和機器學習來縮小稅收差距，包括稅務詐騙，這在 2022 稅年度估計為 6060 億美元。國稅局已探索使用 NVIDIA 的加速數據科學框架，如 RAPIDS 和 Morpheus，以識別納稅人記錄、數據訪問和常見漏洞的異常模式。LLMs 結合檢索增強生成和 RAPIDS 也被用來突出可能與政策不符的記錄。