机器学习如何应对金融网络犯罪 人工智能对于安全见解至关重要

简介: 在过去的几个月中,由于与冠状病毒有关的索赔,在这段巨大的压力下,失业系统盗窃了数百万美元。

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

在过去的几个月中,由于与冠状病毒有关的索赔,在这段巨大的压力下,失业系统盗窃了数百万美元。

image

一个精明的国际骗子团伙一直在为仍然稳定工作的人提出虚假的失业要求。攻击者使用先前获取的个人身份信息(PII)(例如社会安全号码,地址,姓名,电话号码和银行帐户信息)来欺骗公职人员接受索赔。

然后,向这些受雇人员支付的款项将转至洗钱同伙,这些同伙在将现金存入自己的帐户之前先将其转嫁以掩盖现金的非法性质。

对导致这些攻击的PII的收购以及金融机构未能发现的洗钱模式凸显了重新建立安全性的重要性。但是,在基于历史规则的系统失败的地方,经过高质量数据训练的人工智能才是卓越的。

攻击者如何获取您的财务信息

假设您需要汽油,并且已经在平常的车站停了下来。您将信用卡滑入插槽后,设备将像往常一样显示“快速删除卡”。但是,您可能还没有注意到插槽上安装的微型硬件,看上去与通常的插槽相同,在您经过时会读取您的信用卡号。

或者,假设您收到来自Alerts@weIlsfargo的电子邮件,内容为“我们已检测到您帐户中的可疑活动,您最近是否在亚马逊上花费了5000美元?”有一个带您进入网站的按钮,并且在页脚中显示一条消息,指出“出于任何原因,请勿将您的帐户凭据提供给任何人。富国银行绝不会在电子邮件中要求您提供个人信息。”当您访问该网站时,它看起来与您期望的完全一样,因此您输入密码,黑客即可访问您的帐户。您是否注意到,富国银行的拼写是:一个小写的“ L”和一个大写的“ i”?

一旦攻击者可以访问,他们就可以在没有您允许的情况下花费您的钱;只要单个交易的规模不大,大多数人就很少注意到。或更糟糕的是,攻击者可以一口气清除您的帐户,然后再知道发生了什么。

异常检测方法

公司利用机器学习来每天监控电子邮件,登录尝试,个人交易和业务活动。大多数金融机构使用一种称为异常检测的AI,通过该过程,计算机可以将消费者帐户中的活动分类为典型或可疑活动。

时间序列数据的分析可用于异常检测。它通过将消费者的交易与其自己最近的交易历史进行比较来工作。它通常考虑诸如消费者位置,交易位置,商人位置,商人类型,货币数量,一年中的时间等参数。如果可疑活动的可能性超过某个阈值,它将警告人类使用者危险。另外,对于很高的概率,它可能会自动阻止交易。

例如,您可能有一个每周在餐厅消费30美元的历史记录。如果您突然突然每周在餐厅花费100美元,则AI可能会在假期期间正常进行此更改,但在一年中的其他时间可能会造成危险。

为了使这些模型有效,高质量的训练数据至关重要。训练数据用于教导模型如何将交易分类为异常。主题专家通过手动识别可疑活动来帮助计算机学习。然后,机器使用从训练数据中学到的复杂知识对新数据进行预测。

问题在于,攻击者正在不断创新以摆脱计算机的新技术。另一种异常检测称为无监督异常检测,可以帮助我们铲除新出现的滥用模式。无监督离群检测的目标不是帮助人类从训练数据中学习专业知识,而是帮助他们发现他们以前从未见过的模式。

考虑一个经常贩卖现金超过一百万美元的贩毒组织。如果他们要直接存钱,则将检测并阻止该交易。但是,相反,他们可以创建“空壳”公司,假装提供服务以换取非法现金。没有实际的业务需求发生。这种技术是洗钱的一个例子。

在这种情况下,AI不会尝试根据过去的培训数据将个人交易识别为犯罪,而是会尝试定义具有相似行为模式的公司集团。这种AI可能会发现一大批照常营业的公司,但也可能会发现散布在较小的公司中,这些公司全部位于避税天堂,这些公司都是最近成立的,所有客户相对较少,所有公司都有通过检查AI所发现的分组,金融行业的安全专家可以调查是否有任何组或不属于组的异常值可能与洗钱计划相对应。这样,我们可以了解罪犯如何组织自己。

人工智能的未来

异常检测(尤其是在使用深度学习技术时)的挑战之一是,有时很难理解为什么某些交易或公司被选为可疑。严格来说,该机器仅产生分组和异常,因此需要专业人员来解释结果。但是,如果AI不仅可以告诉我们异常是什么,还可以告诉我们为什么将其归类为异常怎么办?这种新兴学科被称为可解释AI(XAI)。

让我们回到我们去餐馆的例子。当今的AI可能会发送电子邮件来提醒您您的帐户发生了异常活动,而XAI不仅会警告您,而且还告诉您该交易已被标记,因为它发生在异常的一天或异常的位置。有了这些信息,您将可以更好地评估电子邮件是否值得关注。

金融业安全和人工智能的未来将涉及从更大,更复杂的数据量中学习。随着我们收集有关用户行为方式的越来越多的信息,AI萌芽的力量不断增强。我们掌握的数据越多,我们就可以越准确地检查可疑行为。在当今世界,收集和存储的数据量几乎每年翻一番的世界中,人工智能对于确保我们安全的见解至关重要。

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-06-23
本文作者:AI国际站
本文来自:“51CTO”,了解相关信息可以关注“51CTO

相关文章
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
582 80
|
机器学习/深度学习 人工智能 运维
阿里云PAI人工智能平台介绍、优势及收费标准,手动整理
阿里云人工智能平台PAI是面向开发者和企业的机器学习与深度学习工程平台,提供数据标注、模型构建、训练、部署及推理优化等全链路服务。内置140+优化算法,支持PyTorch、TensorFlow等多种框架,具备高性能训练与推理能力,适用于自动驾驶、金融风控、智能推荐、智慧医疗等多个行业场景。PAI提供零代码开发、可视化建模、大模型一键部署等功能,助力企业快速构建AI应用。支持多种购买方式,如按量付费、预付费等,满足不同业务需求。
|
机器学习/深度学习 算法 数据安全/隐私保护
基于模糊神经网络的金融序列预测算法matlab仿真
本程序为基于模糊神经网络的金融序列预测算法MATLAB仿真,适用于非线性、不确定性金融数据预测。通过MAD、RSI、KD等指标实现序列预测与收益分析,运行环境为MATLAB2022A,完整程序无水印。算法结合模糊逻辑与神经网络技术,包含输入层、模糊化层、规则层等结构,可有效处理金融市场中的复杂关系,助力投资者制定交易策略。
|
机器学习/深度学习 传感器 人工智能
人工智能与机器学习:改变未来的力量####
【10月更文挑战第21天】 在本文中,我们将深入探讨人工智能(AI)和机器学习(ML)的基本概念、发展历程及其在未来可能带来的革命性变化。通过分析当前最前沿的技术和应用案例,揭示AI和ML如何正在重塑各行各业,并展望它们在未来十年的潜在影响。 ####
427 27
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
251 10
|
机器学习/深度学习 算法 Python
基于BP神经网络的金融序列预测matlab仿真
本项目基于BP神经网络实现金融序列预测,使用MATLAB2022A版本进行开发与测试。通过构建多层前馈神经网络模型,利用历史金融数据训练模型,实现对未来金融时间序列如股票价格、汇率等的预测,并展示了预测误差及训练曲线。
335 12
|
机器学习/深度学习 人工智能 算法
人工智能浪潮下的编程实践:构建你的第一个机器学习模型
在人工智能的巨浪中,每个人都有机会成为弄潮儿。本文将带你一探究竟,从零基础开始,用最易懂的语言和步骤,教你如何构建属于自己的第一个机器学习模型。不需要复杂的数学公式,也不必担心编程难题,只需跟随我们的步伐,一起探索这个充满魔力的AI世界。
424 12
|
机器学习/深度学习 人工智能 算法
探索人工智能与机器学习的融合之路
在本文中,我们将探讨人工智能(AI)与机器学习(ML)之间的紧密联系以及它们如何共同推动技术革新。我们将深入分析这两种技术的基本概念、发展历程和当前的应用趋势,同时讨论它们面临的挑战和未来的发展方向。通过具体案例研究,我们旨在揭示AI与ML结合的强大潜力,以及这种结合如何为各行各业带来革命性的变化。
393 11
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
1031 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型

热门文章

最新文章