szhbsd 鉴于近年来技术的众多进步，难怪犯罪分子能够利用它进行大规模欺诈。 但是，诈骗者用于欺诈的相同技术也可以用于预防和检测欺诈。 这是您需要了解的有关机器学习和人工智能（AI）及其与od一世以及如何使用这些工具来保护自己。
机器学习和人工智能用于欺诈的方式
技术无疑使犯罪者更容易犯罪。 根据保险信息研究所的身份盗窃统计，2015年有38％的消费者投诉与欺诈有关，而在2019年则为52％。
以下是有关如何使用机器学习和人工智能进行欺诈的一些特定示例：
虚假签名-签名代表表示某人受合同条款约束的意图的元素。 如果可以成功伪造签名，则消费者可以潜在地签署任意数量的合同。 研究人员开发了一个程序，该程序可以通过一个人的单个手写段落来成功伪造签名。
消费者冒充他人-在“人工智能的恶意使用：预测，预防和缓解”中，研究人员警告说，“生成合成图像，文本和音频可用于在网上模拟其他人”。 例如，诈骗者可以使用AI进行暴力攻击，在帐号中滑动，直到找到要检查的号码，这发生在一家名为Authorize.net的公司，诈骗者首先拥有试图对帐户收取1美分的费用，然后向商人收取7,000美元。
为了骗子的利益而进行的AI操作-AI使用复杂的算法来识别模式并完成流程。 注册会计师担心操纵AI会导致消费者欺诈。
加密货币的出现-继续开发新型的加密货币，这可以使黑客可以访问和操纵它们。 例如，一次攻击多次使用同一货币单位，造成的损失超过100万美元。
随着技术进步的不断增加，使用它们造成损害的机会也越来越大。
物联网（IoT）欺诈
通过互联网连接的所有内容：水龙头，烤面包机，安全摄像机，医疗设备，冰箱，婴儿监视器和手表，骗子有尽可能多的进入点，尤其是当这些点不安全时。 网络犯罪分子能够以前所未有的方式进行欺诈，包括以下真实示例：
智能闩锁存在安全问题，攻击者可能会利用这些问题远程解锁门，使房屋容易被盗。
Airbnb上酒店和物业中的摄像头引起了隐私方面的担忧，因为它们可能被篡改。 数以百计的汽车旅馆客人被录制并现场直播。
一个14岁的男孩能够使用IoT设备默认设置关闭4,000种带有新型恶意软件的设备。
已发现许多儿童智能手表特别容易受到黑客攻击，使儿童可能会因其配备GPS的设备而面临潜在风险。
物联网虽然使连接更容易，但它也可能带来一些漏洞，使消费者可能遭受其个人信息的潜在损失，对设备功能的干扰以及对房屋的危害。和他们的家人。
机器学习和AI用于预防和检测欺诈的方式
另一方面，越来越多地使用机器学习和人工智能通过以下方法来预防和检测欺诈：
使用机器学习训练模型
应对越来越多的欺诈尝试的一种方法是使用机器学习来训练模型，以便可以更轻松地检测到欺诈。 在监督下，此方法特别有效。 与人眼搜索相比，计算机化模式搜索的发生速度要快得多。
使用模式识别
识别模式可以帮助防止身份盗用。 无监督机器学习可以将新的消费者行为与传统趋势进行比较，以潜在地发现欺诈行为。
合成有监督和无监督的机器学习
许多最有效的欺诈检测应用程序综合了有监督和无监督的机器学习。 在特定交易中对有监督的机器学习进行培训，将其识别为“欺诈”或“非欺诈”交易。 无监督机器学习旨在基于历史数据来识别异常行为。 这种类型的模型更多地依赖于自学习。 通过综合这两个模型，程序员通常能够识别出最有问题的行为，并能大规模发现欺诈行为。
使用身份证明文件伪造检测模板
这种检测方法分析了消费者的签名，并超越了信息的顶层。 而是，该程序检查是否存在多层和过滤器，以帮助确定是否存在伪造品。 这种类型的系统可以帮助确定墨水不匹配，并确定所拍摄签名中的像素是否为真品。
加强电子商务渠道
随着EFT技术的出现，通过使用实体信用卡进行欺诈的许多尝试都以失败告终。 但是，欧洲至少有60％的信用卡欺诈案件是由非卡交易引起的。 这使得电子商务平台特别容易受到此类攻击。 机器学习算法倾向于更快地检测欺诈，而不会干扰合法交易的完成。
制定风险状况
基于机器学习的另一种防止欺诈的方法是开发潜在目标的风险概况。 此方法最常用于银行业，在银行业中，银行使用细化数据为客户评分。 他们的系统使用考虑广泛欺诈方案的机器学习。
这些应用程序和其他应用程序可能潜在地识别和防止欺诈。
结论
只要有潜在的经济收益，欺诈案件就会继续存在。 但是，通过了解可以使用机器学习和AI进行哪种欺诈，并采用可以预防和检测到的有效技术，您可以发挥自己的优势。
关于作者
DavidLuki?是IDstrong.com的隐私，安全和信息合规顾问。 对使网络安全变得可访问且有趣的热情促使David共享了所有知识。
