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，亞洲金融市場是最活躍且利益豐厚的地區(qū)之一。然而，隨之而來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上渠道的犯罪活動增多。

與此同時，金融詐騙的手段也愈加復(fù)雜。最近，一則深度偽造視頻廣告引起廣泛關(guān)注。視頻內(nèi)容是一名新加坡新聞主播采訪埃隆·馬斯克（Elon Musk）。網(wǎng)絡(luò)犯罪分子通過操縱兩者的形象和聲音引導(dǎo)用戶投資一個可疑項目。這起事件并非個例。德勤的專家警告，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(shù)據(jù)研究院日前發(fā)布的《金融反詐最新行動指南》指出，金融詐騙“網(wǎng)絡(luò)化”特點顯著，作案手段多變、智能化、高科技化、隱匿性強。那么，出現(xiàn)這種情況的原因是什么？

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

亞洲快速的數(shù)字化轉(zhuǎn)型催生了大量在線服務(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(shù)字身份證注冊銀行服務(wù)、通過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。一旦獲得某項服務(wù)的訪問權(quán)限，他們便能竊取大量個人數(shù)據(jù)。另外，日益普及的生成式AI在線工具也使網(wǎng)絡(luò)欺詐行為（例如網(wǎng)絡(luò)釣魚）對于普通用戶更具迷惑性。

盡管監(jiān)管部門正通過實施責(zé)任共擔(dān)框架等法規(guī)應(yīng)對欺詐行為，但對于許多金融機構(gòu)和私營部門的企業(yè)來說，在精準(zhǔn)識別和打擊借助AI實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(diào)查人員不得不投入更多資源和時間，深入研究眾多犯罪歷史記錄和實時行為特征。而且每當(dāng)一種欺詐手段得到有效遏制，犯罪分子就會迅速轉(zhuǎn)換到另一種攻擊手法。

面對高昂的金融反詐成本和日益嚴(yán)格的監(jiān)管法規(guī)，金融機構(gòu)如何才能更好地打擊欺詐行為？

基于可信的數(shù)據(jù)，利用AI和ML（人工智能和機器學(xué)習(xí)）打擊欺詐行為

毋庸置疑的是，借助AI和機器學(xué)習(xí)（ML）手段可以幫助企業(yè)更加智能和實時地發(fā)現(xiàn)欺詐跡象和模式，還能幫助調(diào)查人員自動進(jìn)行行為分析、推理和預(yù)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(nèi)的各個業(yè)務(wù)場景得到充分應(yīng)用，企業(yè)的防欺詐能力將得到顯著提升。

只有當(dāng)企業(yè)可以采集并且充分利用實時并且可信的各類數(shù)據(jù)源來訓(xùn)練模型，并有效識別業(yè)務(wù)行為特征和趨勢時，才能更有效地運用算法模型打擊欺詐行為。訓(xùn)練數(shù)據(jù)集必須盡可能完整且相關(guān)，例如，企業(yè)應(yīng)整合可提供行為洞察的數(shù)據(jù)，除了銀行交易記錄和信用評分之外，語音交互數(shù)據(jù)、現(xiàn)場視頻記錄、合規(guī)采集的線上數(shù)據(jù)等，都能使算法模型能夠更效識地別欺詐指標(biāo)。

由于整合、清理和準(zhǔn)備用于訓(xùn)練的海量數(shù)據(jù)需要巨大算力支撐，企業(yè)還必須確保擁有支持AI開發(fā)工作的配套基礎(chǔ)設(shè)施。

如果未使用高質(zhì)量的數(shù)據(jù)訓(xùn)練AI和ML工具，調(diào)查人員最終得到的可能是AI幻覺和誤報，這不僅浪費時間，還會削弱企業(yè)領(lǐng)導(dǎo)人對此類解決方案的信任。

頭部金融機構(gòu)如何運用AI和ML降低欺詐風(fēng)險

許多金融機構(gòu)正在通過規(guī)劃和部署基于現(xiàn)代數(shù)據(jù)架構(gòu)的統(tǒng)一數(shù)據(jù)湖倉等新型數(shù)據(jù)管理技術(shù)來降低欺詐風(fēng)險。這些技術(shù)能夠安全且合規(guī)地在不同環(huán)境中實時采集、整合、治理和標(biāo)注數(shù)據(jù)。而這種做法成功的關(guān)鍵在于是否能夠在數(shù)據(jù)采集、加工、使用的全鏈路中統(tǒng)一內(nèi)置數(shù)據(jù)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(zhuǎn)型。繼建立企業(yè)級數(shù)據(jù)平臺后，該行重構(gòu)了更加靈活的業(yè)務(wù)數(shù)據(jù)集湖倉和集市。其中風(fēng)險集市目前處理了來自40多個源系統(tǒng)的數(shù)據(jù)，涵蓋了客戶信息、賬戶、財務(wù)和產(chǎn)品維度等。大華銀行通過在該平臺上開發(fā)新的機器學(xué)習(xí)模型以優(yōu)化欺詐分析，已將可疑洗錢交易的誤報率降低了40%。

為了延續(xù)風(fēng)險數(shù)據(jù)集市的成功，大華銀行計劃推出一個新的準(zhǔn)實時數(shù)據(jù)集市，目的是推動其反洗錢工作的實時化和智能化，并提升公司整體的數(shù)據(jù)分析能力。大華銀行相信通過其實時采集的數(shù)據(jù)和智能平臺，可以進(jìn)一步利用數(shù)據(jù)引領(lǐng)人員、流程和技術(shù)的下一輪轉(zhuǎn)型。

同樣，擁有2000多萬客戶和4500多家分行的印度第三大私營銀行Axis Bank也已開始使用AI和ML降低欺詐風(fēng)險。通過使用全企業(yè)數(shù)據(jù)管理平臺，Axis Bank能夠分析其系統(tǒng)中來自多個數(shù)據(jù)源的750 TB數(shù)據(jù)，并將這些數(shù)據(jù)用于信貸和營銷分析以及欺詐檢測。

據(jù)中國人民銀行支付結(jié)算司司長介紹。近年來，中國人民銀行金融系統(tǒng)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數(shù)量降幅92%，個人銀行賬戶戶均涉詐金額下降21.7%。2021年，人民銀行新建監(jiān)測模型1.3萬個，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(zhàn)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(shè)一體化數(shù)據(jù)湖倉，整合傳統(tǒng)數(shù)倉與算法分析領(lǐng)域的數(shù)據(jù)管理

AI模型必須在相關(guān)且完整的數(shù)據(jù)上進(jìn)行訓(xùn)練。企業(yè)應(yīng)使用開放標(biāo)準(zhǔn)和互通的數(shù)據(jù)格式建立數(shù)據(jù)管道，確?？梢詮恼麄€企業(yè)的數(shù)據(jù)源自由地采集、整合、處理數(shù)據(jù)并將它們移動到訓(xùn)練數(shù)據(jù)集。大部分企業(yè)目前建設(shè)的數(shù)據(jù)倉庫（或數(shù)據(jù)湖）是集中的，但是不同的業(yè)務(wù)部門構(gòu)建了各自的應(yīng)用驅(qū)動算法平臺，導(dǎo)致從算法團(tuán)隊角度看不到完整的特征數(shù)據(jù)集血緣關(guān)系，無法量化的判斷其模型算法的基礎(chǔ)數(shù)據(jù)可信程度。這就需要科技部門在建設(shè)新的數(shù)據(jù)一體化湖倉時，必須把分散的算法數(shù)據(jù)加工、數(shù)據(jù)權(quán)限管理和相應(yīng)的算力資源管理都統(tǒng)一考慮在內(nèi)。

2.優(yōu)化數(shù)據(jù)管理實踐，保證AI使用可信數(shù)據(jù)

在整個企業(yè)中采集的數(shù)據(jù)必須干凈， AI模型才能準(zhǔn)確洞察欺詐行為。企業(yè)應(yīng)盡快建立數(shù)據(jù)管理工作組，對員工進(jìn)行數(shù)據(jù)管理培訓(xùn)、定期進(jìn)行審計、宣傳最佳案例并確保合規(guī)，這將確保所用數(shù)據(jù)的可信并可以直接應(yīng)用于AI。

3.實時使用數(shù)據(jù)，使AI能夠應(yīng)對不斷變化的威脅

AI必須實時使用數(shù)據(jù)來預(yù)測威脅。企業(yè)應(yīng)尋求可加快欺詐洞察時間的技術(shù)，例如流式分析解決方案，可以讓數(shù)據(jù)團(tuán)隊分析出數(shù)據(jù)從來源到目的地的整體路徑。

4.建設(shè)統(tǒng)一的模型管理平臺，更好地協(xié)調(diào)反欺詐行動

廣義的金融反欺詐能力將嵌入多個業(yè)務(wù)線的大量業(yè)務(wù)場景，在如何管理和治理跨系統(tǒng)的大量數(shù)據(jù)流、同時訓(xùn)練和優(yōu)化多個模型，相關(guān)業(yè)務(wù)線如何共享策略和經(jīng)驗，以及在平臺側(cè)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(yīng)使用數(shù)據(jù)管理平臺，使利益相關(guān)方能夠簡化、集中并改進(jìn)指揮與控制，同時還應(yīng)該使用讓利益相關(guān)者能夠預(yù)見和管理合規(guī)風(fēng)險的平臺。

金融機構(gòu)需要實時的預(yù)測性數(shù)據(jù)來提前防范欺詐行為

預(yù)防欺詐是一場“貓鼠游戲”。每當(dāng)出現(xiàn)一個新的流行數(shù)字渠道，金融犯罪分子就會現(xiàn)身并找到實施欺詐的新途徑。雖然犯罪手段和渠道可能會發(fā)生變化，但有一點是不變的：實時的數(shù)據(jù)、豐富AI和ML手段將是幫助金融機構(gòu)提前防范欺詐的關(guān)鍵。