Transcription
欢迎来到我们的人工智能反欺诈领导力发展计划。我们非常高兴您能加入我们的计划，并参加关于人工智能如何改变反欺诈的第二场会议。今天，我们正生活在欺诈的黄金时代。为什么？因为欺诈的金额呈爆炸式增长。为什么？这与我们组织内部发生的欺诈无关，我们称之为职业欺诈，而是与外部欺诈有关。如今，网络犯罪的规模是巨大的。它被认为是世界上最大的金融犯罪。到2025年，估计金额将超过10.5万亿，不是105亿。我们可以看到，这些实际发生的欺诈的主要原因是当前我们所处的这个世界。一切都在向云端迁移。一切都是数字化的。我们仅在数字货币领域就能看到，数字盗窃的发生次数比世界上任何银行都多。2025年，仅在2025年就发生了15亿美元的盗窃案。我们可以看到，这个数字每年都在增加。即使是我们认为安全的加密货币，其账本也分布在世界各地。我们认为没有人会触及它。我们实际上可以破解实际的加密货币，而不是交易所。如果您控制了超过51%的分布式账本，您就可以操纵这51个账本，然后您就可以进行数字货币交易，而您并没有，您就可以窃取市场。因此，我们可以看到，今天我们生活在一个我们面临的与欺诈相关的两大主要风险是网络安全、人工智能、网络安全、人工智能、网络安全、人工智能的时代，这些都是非常严重的问题，它们对我们的组织产生了巨大影响，尤其是在阿联酋。在阿联酋，网络安全委员会发布了他们的报告，显示阿联酋49%的消费者是诈骗的受害者，其中15%的人不止一次成为诈骗的受害者。此外，这些诈骗者中有9%的人完全没有追回损失，这意味着91%的人没有完全追回他们的钱。平均诈骗金额约为2194美元。所以你可以想象发生的欺诈金额。这一切为什么会发生？因为你在星巴克或机场连接的Wi-Fi，你认为它们是安全的，但实际上它们并不安全。实际上，它们是由罪犯、黑客控制的，他们正在窃取你的信息。所以下次，当你住在酒店、医院、机场或咖啡店时，不要连接这些公共Wi-Fi，因为它们绝对不安全。那么，谁在窃取信息？谁在进行黑客攻击？是人类吗？不，不是人类。看看他们进行的一项调查，显示谁实际上在互联网上查看信息和收集信息。他们发现人类只占49%。我们是少数，大多数收集者是机器人，有好的机器人，也有坏的机器人。好的机器人只占14%，它们是谷歌、Charge等，所有这些你知道的机器人都在收集信息，以便我们能够分析、分类、分享。但是坏机器人，是由罪犯制造的，这些罪犯利用这些机器人去收集信息，去利用这些信息。那么，这些坏机器人收集什么呢？如果我们查看报告并看看他们在做什么，第一件事是抓取。抓取是什么意思？试图收集我们的信息。他们会去你的社交媒体。他们会查看你的名字。哦，你的出生日期是什么？这很重要。你住在哪儿？哦，这很重要。你的电话号码是多少？这很重要。你的电子邮件是什么？你的妻子是谁？你母亲的名字是什么？这很重要。所以他们收集所有关于你的信息。这样他们就可以利用这些信息来利用你，进行账户接管，或者窃取你的钱，窃取你的信用卡信息，支付欺诈，以便能够去下载应用程序到你的文件，或者创建恶意软件，或者操纵代码。他们试图做很多事情。他们试图从云端获取所有这些信息，这就是危险所在。那么，他们实际在针对什么？他们当然在针对金融机构。这就是钱所在。他们正在针对企业，他们正在针对电信公司。这是他们主要针对的三大商业和三个细分市场，三个行业，这非常有趣，可以看到他们是如何做的。因此，我们也可以看到他们正在利用人工智能进行攻击。所以他们正在使用不同的人工智能机器人来帮助他们进行所有欺诈。所以想象一下，人工智能被用来攻击另一个人工智能，这是很棒的，或者人工智能被用来攻击另一个系统。所以人工智能系统被使用了无数次，有时人工智能系统被用来攻击另一个人工智能，我们可以看到，这些罪犯不是用老式的方式来做的。用老式的方式，会发生这样的事情。这就是前美国银行首席执行官被骗走4700万美元的事件。不是因为他是个坏人。不，是因为一个在领英上的女人欺骗了他，说：“我有一个很棒的加密货币投资机会。”他相信了她。他投资了一些钱。他赚了一些钱。但只是纸面上。他没有收到任何钱。然后她告诉他：“听着，如果你能给我几百万，我能让你赚很多钱。我们可以让钱翻倍。”所以他说：“好的，我将从银行取出4700万美元。他怎么能取出4700万美元？银行的控制在哪里？”然后他能够把钱寄给她。之后她拿了钱，她说再见，回头见。这是由人类手动完成的。今天，在2026年，这是由人工智能完成的。人工智能会说：“你好，你好吗？”它会和你说话。它甚至会给你打电话。你会听到那个女人的声音。她甚至会和你进行视频聊天。但这一切都是人工智能。发送电子邮件给你，回复你的电子邮件，发送WhatsApp给你，回复你的WhatsApp。这一切都是由人工智能完成的，以满足它。不像2024年发生的美联银行事件，有人去告诉马来西亚美联银行的首席财务官，我是新加坡银行的首席执行官，首席财务官说好的，他说让我们进行一次Zoom通话，然后他们进行了Zoom通话，在Zoom通话中，他看到了他们使用的假冒者，所以他欺骗了那个人，之后他让他转账大约90万美元，首席财务官转账了95,000美元，但代理银行兑现了交易并停止了它，但银行立即解雇了首席财务官，因为他成为了这种诈骗的受害者。所以现在这是由一个人类行动并使用假冒完成的。现在我们不需要像人类一样行动来使用假冒。人工智能可以在没有人为干预的情况下创建假冒。所以这就是我们正在关注不同的计划，以及未来的计划是如何完全由人工智能完成的。所以，作为一名欺诈审查员，这是给你的一个提醒。你也需要使用人工智能来进行测试，进行分析。你不能只依靠人类来抓住人类，因为现在欺诈不是由人类完成的，而是由人工智能完成的。所以我们需要人工智能来抓住人工智能。看看以前孟加拉国中央银行发生的事情，一名黑客能够入侵SWIFT服务器，并能够转移超过10亿美元的资金。抱歉，是10亿美元，但他们说只有81。是的，他们转移了10亿美元，但实际上当他们到达81时，下一次转账将流向一个名为Foundation的组织。但是那个在系统中写下它的人，因为他的英语不好，他没有写Foundation，他写了Foundation。所以他写的是a而不是o。这样代理银行就停止了交易，说有什么不对。为什么Foundation的名字错了？然后他决定，在核实银行之前，我们不会继续进行剩余10亿美元的转账。这揭露了欺诈。所以下次如果你想进行欺诈，教你的员工学习英语，或者使用人工智能。人工智能总是会正确地写作。所以这就是为什么今天的罪犯和黑客正在使用人工智能进行犯罪。他们不再依赖于老式的方式来做事。他们正在使用系统来自动化他们的测试。那么，所有这些钱，所有这些诈骗都去哪儿了？100亿，10万亿，它们都去哪儿了？它们都去了加密货币。他们在洗钱。看看去年2024年他们洗了多少钱。他们通过加密货币洗了大约500亿美元。他们是怎么做的？他们不需要去弄清楚。不，他们去问人工智能，听着，我有这些钱，我该如何洗钱？人工智能会告诉他们如何洗钱。有一种叫做欺诈GPT的东西。就像我们有ChargeGPT一样，有一个欺诈GPT，这是一个网站，它在暗网上可用，它会告诉你如何犯罪。它会告诉你一步一步所有的犯罪，如何去做。如果你想洗钱，你想进行结构化，你想进行信用卡欺诈，它会告诉你所有的指令和步骤，以及如何去做，这很有趣。所以我们可以看到，今天当我们谈论欺诈时，我们有不同类型的欺诈。我们称之为欺诈的三个阶段。我们有第一方欺诈，这是由我们的消费者进行的欺诈。所以这是一个大问题。我们的消费者正在欺骗我们。例如，我们称之为申请欺诈。我们的客户会来申请信用卡，并向我们提供关于他的薪水、他住在哪儿、他在银行有多少钱的错误信息，只是为了让我们批准他的信用卡申请。然后他会获得信用卡，或者他会声称信用卡上的所有购买都不是他授权的。他说他没有授权交易，但实际上他授权了交易，但他逃避付款。所以他正在要求对交易进行退款。这是一个非常危险的问题，因为如果我们的客户正在欺骗我们，利用我们的消费者欺诈保护，这就会造成问题。或者可能是第二方欺诈。所以第二方欺诈，罪犯正在联系我们认识并信任的客户，他正在利用我们客户的账户进行欺诈。所以他问他：“你能帮我洗钱吗？你能帮我转账吗？你能接受这笔钱然后还给我吗？”因为我们信任我们的客户，我们认为这些是正常交易，但实际上欺诈者正在利用这个账户作为他们的金钱骡子来转移资金。第三种是黑客会入侵客户的账户，在客户不知情的情况下，他会利用他的账户来窃取他的钱或洗钱。那么问题来了，作为反欺诈专业人士，我们能做些什么来确保这些与欺诈相关的问题得到控制？他们说我们使用人工智能，我们需要有人工智能系统，不再是人类可以监控这些交易，因为我怎么知道这是第一方欺诈还是第二方欺诈还是第三方欺诈？我感到困惑。那么，我们怎么知道这是欺诈交易还是不是？现在人工智能系统可以根据一套规则查看大量数据。我们称之为监督学习，监督机器学习。所以我们有基于一套规则的监督模型。我们告诉他们，听着，你需要查看任何接收到巨额金额的人。你需要查看任何在一段时间内接收到大量小额金额的人，然后他将其兑现。你需要查看任何账户进出迅速的交易，你需要查看这个，那个，然后给他们一系列规则，现在人工智能系统将查看所有这些规则，并实时分析所有数据，告诉我们这是正常交易还是可疑交易。所以这是第一个方法，通过理解我们如何实际查看所有这些数据并使用基于规则的监督建模进行分析，或者我们可以拥有我们称之为无监督模型的东西，它关注新兴风险，关注异常。这样，我们就不告诉他们需要看什么，不需要看什么。这样他们就会尝试查看所有数据，并找出不正常的东西。所以我们不给他们标记数据来尝试。所以这是我们可以实施的系统之一，如果我们希望系统找到任何新的趋势，任何新兴的、不寻常的东西，或者它可以是社交网络分析。我去，我使用我们数据上的人工智能系统来找到隐藏的联系，找到谁是连接所有这些人一起进行计划、资金流动的人。所以我们可以看到账户、设备、嫌疑人、公司之间的社交联系。这样我们称之为可视化分析，以便我们能够看到个人之间以及个人与资产之间的网络连接，以及他们之间的交易流动。因此，今天我们使用我们称之为智能引擎来分析数据。他们说数据是燃料，人工智能是引擎。所以数据很重要，因为数据是信息，然后我们有引擎是人工智能。这样，就是算法，它将分析所有这些数据。因此，查看数据来源非常重要。我们有两种数据来源。我们有第一种是内部交易。我们称之为结构化数据。我们数据库中的信息。我们有外部行业数据。有些是结构化的，有些是非结构化的。它可以是新闻。它可以是电子邮件。它可以是电话录音，视频录音。它可以是社交媒体。所以所有这些我们都可以查看。所以我们查看内部结构化数据和非结构化数据，然后我们去使用我们的智能引擎来更好地进行测试。在这种情况下，通过使用人工智能系统，这将有助于我们减少误报的数量，同时我们也将能够抓住更多的欺诈案件。所以基于人工智能规则与基于人工智能的规则相比，基于规则的更手动，但它们的误报率较低，而基于人工智能的可能更好，但它们会产生一些误报。危险在于，如果它们是无监督的，它们会向我们展示一些案例，而这些案例实际上可能不是欺诈。例如，我给你汇款到你的银行，我说这是为了欺诈课程，你和我一起上的。然后银行会怀疑。为什么？因为如果他们使用无监督的，甚至基于规则的，他们会说“哦，我们在发票中发现了欺诈这个词。”所以这意味着可能可疑，所以他们会找到任何指标，任何危险信号，基于规则，或者有时他们会发现任何不寻常的事情，所以他们会停止交易。这就是为什么我们说，对于我们的组织，我们需要做的是，我们需要有多层身份证明。我们需要通过了解我们正在与谁做生意来保护组织。如果有人来我们这里开户，我们需要让他们遵循入职流程，以了解他们是供应商、客户，甚至是员工，以确保我们了解他们是谁，这些信息是否正确，准确地进行背景调查，尝试检查他们的生物特征是否正确，尝试确保你知道文件是否正确。所以我们需要进行多层验证。之后遵循我们称之为零信任。零信任是什么意思？我们永远不会信任他们。每天，每一次交易，我们都会检查你是谁，你有什么授权？你没有。基于此，我们在系统中批准或不批准他们。所以这就是为什么我们需要持续的模型调整。我们需要将数据与我们拥有的模型集成，始终重新训练模型，以便模型能够适应。罪犯总是会适应他们进行欺诈的方式。所以我们需要拥有这个我们称之为大脑的东西，以确保我们始终在创建和更新我们的算法，以适应正在发生的一切。所以现在想想，有一个阿拉伯语电视节目，演员说错了词。他说的是“zen”而不是“zen”。所以现在这会造成问题，因为如果人工智能分析来自所有这些社交媒体的数据，这个人把“Jabber”这个词变成了“Zaber”，会发生什么？现在数据被损坏了，数据的质量被破坏了。现在人工智能系统将基于我们输入的所有这些信息造成巨大的灾难。所以我们需要始终确保我们微调系统，确保我们适应系统，因为有时会出错，这很有趣。此外，之后我们需要在系统上进行部署，在我们重新训练系统后，确保它正在工作，并且我们查看性能监控，系统是否达到了我们希望达到的结果。所以这总是我们必须问的一个非常重要的问题。现在让我们谈谈这项技术。正如我们所说，我们需要有与客户入职相关的技术。我们需要有与制裁筛查相关的技术，并且我们需要有可疑活动监控技术。这些都是我们组织内部重要的技术。在过去，我们不得不手动完成这些工作。我们没有人工智能系统。所以对于客户入职，我记得我还在美国的时候，我做反洗钱审计，我们会去检查员工是否做得好。我们说：“你验证了吗？”他们说：“是的。”我说：“怎么验证的？”他们说：“我们去了OAC名单。我们输入了他的名字。我们检查他不在那里。我们打印了页面，说没有找到结果。然后我们记录。哦，天哪。这就是记录过程。然后我们去检查这个， whatever。我们说：“是的，我们找到了一些东西，但它看起来并不可疑。”所以我们打印出来，添加到文件中。这就是你如何手动一个接一个地做，每天都需要更新，或者每年都需要更新，这无关紧要。或者可疑活动监控，你需要查看交易，使用Excel或运行软件来分析是否有事情发生。今天我们生活在智能时代。所有这些测试都将通过人工智能完成。所以今天，数字入职使用地理定位等技术。当有人试图向你开户，他说他来自沙特阿拉伯，然后你发现他从尼日利亚连接。所以他不是来自沙特阿拉伯，他来自尼日利亚。所以我们可以查看设备。我们可以查看设备智能。我们的客户通常会从Android设备登录。现在黑客从iPhone设备登录。这不是我们的客户，因为这是iPhone。通常我们的客户会从Android设备登录。这是iPhone。所以肯定不是那个人。也试图提高效率和安全性。我们需要确保我们不告诉客户：“你需要输入10次才能让我们验证你是谁。”对吧？有时这太烦人了。扫描这个条形码，然后点击这里，你会收到一个代码。点击这里，然后你收到短信。我只是想访问我的账户。你为什么让我这样？所以我们需要确保流程高效，并且我们包含安全性，并且不侵犯他们的隐私。所以这也很重要。他们说“了解你的客户”，确保持续的风险监控。现在我们有持续的人工智能系统。每一笔交易，每一天，每一个客户都在实时监控，以确保我们正在更新客户的风险评分。所以它不再是低、中、高，或者任何更可疑或不更可疑。这是关于风险评分。系统中的许多因素将决定每个交易、每个客户、每个供应商，甚至我们组织内每个员工的风险评分。信不信由你，今天在社交媒体上，我们有我们称之为社交风险评分，它基于你在社交媒体上说的一切。人工智能正在分析你，并确定你在社交媒体上真正是谁。你的分数是多少，这很有趣。因此，我们可以看到，今天数字客户的生命周期风险非常显著，因为我们大多数人都从面对面的银行和商业互动转向了虚拟互动。我们生活在一个虚拟世界。我告诉你来参加我在意大利、中国或迪拜举办的会议，没有人会来。但当我告诉你来参加虚拟会议时，每个人都说：“是的，我会在家喝咖啡听你讲。”我为什么要亲自来见你？因为这个，也许，也许我不是AI。也许是我在交付。如果你不想见我，我会在家坐着，也许我会让AI替我做决定。这样我也放松了。也许我不知道。那么，你怎么能验证是我还是AI呢？因为今天人工智能可以做得很好。也许我很快就会这样做，我会测试你。这就是现在发生的事情。我们不知道我们是通过手机、电话、电子邮件还是WhatsApp与这位客户互动。这是真正的客户还是不是？因为他可以提供我的身份证，他可以用假冒技术给我打电话，他可以使用语音克隆和我说话，他可以使用人工智能代理给我发电子邮件。所以他能做什么？所以对于我们在客户开户、持续以及之后关闭账户时验证我们正在与之做生意的客户身份来说，这是一个非常大的问题。这就是为什么验证过程非常重要。监控过程非常重要。这就是为什么你需要技术。你不能手动完成。所以有时你会想，“哦，我们可以做到。”不，你需要技术。因此，先进的筛查工具可以使用人工智能将客户数据库与全球名单进行交叉引用。你可以查看社交媒体。你可以查看新闻。你可以查看联合国名单。你可以查看所有名单。你可以实时标记它。同时，这将使机构能够迅速识别和应对与受制裁方相关的任何潜在风险，或与一个国家发生的事件相关的风险。所以我们可以快速解决它。但问题是，处理与风险和欺诈相关的问题的老方法与处理与风险和欺诈相关领域的新方法有什么区别？这非常重要。但在我继续之前，如果您想更深入地了解这些问题，我将在最后与您分享一个非常好的关于人工智能欺诈风险管理的证书。如果您有兴趣，可以加入。我将在马尔代夫举办一个为期四天的非常好的研讨会。如果您想了解更多关于我们将要讨论的所有这些主题的信息，我只会给您一个简要的了解，您可以报名参加我们的人工智能风险管理证书课程，并加入我们。所以这是一个非常好的机会，您可以参观马尔代夫，享受大自然，获得新的证书，并学习新知识。所以让我们来谈谈。这就是精华所在。现在，进行任何交易监控的老方法是查看交易数据，查看客户数据，并根据客户的个人资料在规则引擎上运行。规则引擎会说，根据客户的个人资料，这位女士是家庭主妇，但她收到了1000万。哦，绝对是欺诈。所以规则、客户数据和交易数据，然后我们去调查，或者我们可以说“是的，看起来合理”，有时我们会获取外部方数据，但他们需要进入那个引擎并以这种方式进行分析。今天我们看待它的方式不同。今天我们有人工智能模型，信息来自交易、客户和外部方，我们正在查看网络，他是否与任何社交联系有关，查看交易对手的个人资料，他是否与其他个人资料有关联，或者有相似的个人资料，或者相同的地址或电话号码，查看客户的账户，它有一个账户，他正在进行什么交易？所有这些信息都被收集并输入到人工智能模型中。人工智能模型使用机器学习分析海量数据，并做出决定，说“有些东西是好的”或“不是好的”，使用我们称之为文本监控的东西。这是什么意思？查看上下文。情境监控。查看上下文。情况如何？他是谁？他住在哪儿？他在做什么？或者他的生活怎么样？他的社交媒体怎么样？他住在哪儿？他的账户在哪儿？他住在查尔，但他的账户在阿布扎比。为什么？他住在卡塔尔，但他的账户在埃及。为什么？有些不对劲。所以我们一起分析所有这些数据，并得出一个非常有趣的决定。不再是查看一组特定的数据并应用规则。所以我们可以看到，今天你知道人工智能系统是如何工作的。我们有交易，我们有设备，我们有位置。所有这些信息都被算法聚合在一起。系统正在做出决定，说“是的，这是欺诈”或“不，这不是欺诈”。因此，我们可以看到，在我们的组织中，我们可以有许多行为危险信号，表明有些事情不对劲，而这些行为危险信号需要被记录下来，否则我们就不会知道它们。例如，我们的客户今天来到银行存入500万。太棒了。是的，但他穿着看起来像半美元的衣服。这是一个危险信号。这是一个危险信号，需要以某种方式输入到系统中，在分行中，以说明客户有些不寻常。并非所有危险信号都实际通过人工智能系统记录。有时是基于与客户的互动。你和客户说话，就像有一次发生的事情一样。一个人来银行存款，他说他叫穆罕默德，他有穆罕默德的身份证。所以那位女士，收银员，看着他说：“你是穆罕默德吗？”他说：“是的，我是穆罕默德。”她说：“好的。”但她注意到照片和他不太一样。相似，但不是完全一样。但然后她看了看他的胸部，有一个纹身，一个大纹身。是的，如果他的名字是穆罕默德，他肯定不会有这个大纹身，因为他是穆斯林。所以这就是我们需要关注所有这些危险信号。有时人工智能可以做一些惊人的事情，但人工智能不会注意到并说“哦，我正在看一个人，他叫穆罕默德，他穿着纹身。”所以他很可能不是穆罕默德。所以你需要准确地理解人类可以发现人工智能无法发现的东西，例如给你一个例子，今天我们生活在人工智能和人工智能代理的世界里，对吧？所以现在我们有一个新的AI代理叫做“clue bot”。这个clue bot可以为你做很多事情。所以clue bot你可以安装它，你可以告诉它“回答我所有的电子邮件”。它可以回答你所有的电子邮件，基于你告诉它的任何内容。你说“这封电子邮件，你把它扔掉。顺便说一句，这封美国电子邮件你回答了。”所以你可以告诉它“去代表我写邮件。去回复我的WhatsApp。去为我订一张音乐会门票。”它会做你告诉它做的任何事。但这是一个愚蠢的机器。我很抱歉说它愚蠢。为什么？因为人工智能代理就像奴隶。你告诉它做任何你想让它做的事情。它不会思考。所以现在罪犯正在利用你的人工智能代理来对付你。怎么做？看看罪犯是如何利用它的。罪犯现在会给你发送垃圾邮件，他们会在垃圾邮件中说：“嗨，萨赫先生，恭喜您。我们已接受您加入我们图书馆的申请。这是图书馆卡。请下载它，然后点击此链接激活您的账户。”然后人工智能代理来了。“哦，图书馆卡。我的老板是你，你申请了图书馆卡。所以他想为你激活图书馆卡，这样你就可以收到了。”然后他会点击链接，然后人工智能实际上被黑了，你的电脑被黑了。所以你需要理解，今天不幸的是，人工智能可以做某些任务，通过查看数据来分析数据，但某些行为危险信号需要你来识别。所以这意味着人工智能不会取代你。我们仍然需要你，因为你可以发现人工智能无法发现的东西，无法看到全局，无法进行认知思维，直到现在。通用人工智能即将到来。所以人工生成人工智能，通用智能即将到来。一旦它到来，那就是另一回事了。但直到现在，人工智能甚至无法感受，它会告诉你我感觉到了。人工智能直到现在无法感受，无法感受你或感受自己。所以他们明白你很生气，但他们不明白生气的意义。这只是对他们来说。哦，这是另一个标签。哦，你很生气。所以他们需要和你这样做，但他们不知道生气的意义。是的。但在未来，当他们理解生气的意义时，那就是另一回事了。如果他们生气了，你也会以不同的方式理解它。所以这很有趣。但现在不是，直到现在。所以，我们还可以查看所有交易，查看你的IB在哪里，正在发生什么，所有这些信息都可以被分析，我们需要查看多渠道漏洞，我们需要了解今天的罪犯和黑客正在针对不同的渠道，他们正在针对你的手机，你的移动设备，你的Apple Watch，他们正在针对所有终端，你访问组织的所有方式，并且他们正在专注于此。所以在这方面我们需要做什么？我们需要确保我们拥有正确的整体视图，在那里我们正在分析交易、CRM数据、第三方数据、数字指纹数据、IP地址。所有这些数据都被分析，我们正在查看它：这是不寻常的行为吗？这是不寻常的组织行为吗？这是已知的欺诈模式吗？基于不同的过滤器，我们可以确定这实际上是威胁，还是实际上是正常的。所以我们需要一个合适的人工智能系统来完成所有这些工作。我们不能再手动完成了。原因是信息量巨大，而黑客和罪犯正在使用人工智能进行欺诈。所以我们用来进行测试的传统方法不再有效，通过查看“好的，这个客户是谁？他的交易频率是多少？他使用的设备是什么？他使用的交易量是多少？”这很有效，但我们需要在此基础上增加“聚类”的概念，查看所有发生的交易，分析它们。例如，这是一个账户，这个账户从许多账户接收小额付款，看到这些人给他发送更多的小额付款，发送小额付款，小额付款，之后他会把所有的钱拿出来，然后转移到另一个付款。所以这是一个潜在的骡子账户，他接收大量的小额付款，并将资金转移到另一个账户。所以这就是为什么我们关注到特定受益人的小额频繁交易的激增。然后我们对他进行聚类，并查看异常。这是否像不寻常的事情的一部分？是的，这是异常的一部分。然后根据这一点，我们发现他的账户。所以我们因此决定有些事情正在发生。现在我们符合算法。是的，好，你做得很好。你找到了对的人。请记住，算法总是会学习，如果这实际上不是欺诈。如果你告诉算法不是欺诈，算法就会识别“好的，将来我明白了，这不是欺诈。”所以它会一步一步地学习。这就是为什么算法拥有的数据越多，算法拥有的能力就越强，算法经过测试和反馈就越多，它们就越先进。就像人一样，你得到的反馈越多，你进步就越多，这很有趣。但今天我们已经远远超出了正常的聚类，进入了我们称之为链接分析的领域，在那里我们正在寻找实施欺诈的个人之间的联系，以及我们称之为中心性的东西。谁是中心？好的，有联系，但谁是中心？谁是老板？谁是那个拿到所有钱的人，或者他领导所有流程，或者转移所有交易的人？我们需要知道，基于人工智能可以分析并告诉我们谁是中心。此外，我们可以看看亲近度，谁和谁亲近。他接近哈立德，哈立德接近艾哈迈德，艾哈迈德接近。所以我们确切地知道谁和谁有联系。人工智能甚至可以分析情绪。你知道情绪是什么吗？如果你生气了，或者你不高兴了，或者你伤心了，为什么它一开始就被创造出来？它一开始是为了分析客户反馈。当客户对我们的产品发表评论时，他们会创造人工智能工具来阅读客户是否高兴、不高兴或伤心。所以我们可以快速解决它，因为有时客户是对的。但他不会给一星两星三星四星五星六星，他不会给星，他只是写。所以如果客户写了关于我们的东西，我们需要去理解那是什么，这对我们采取行动是好还是坏。所以所有这些信息都被聚类分析、识别、量化，以便我们能够做出决定。因此，我们可以确切地看到，正如我们之前讨论过的，当我们查看分析时，我们有旧方法和新方法。旧方法我们需要看看过去发生了什么。为什么我们过去没有产生销售额？为什么我们过去无法满足客户需求？现在我们需要关注未来预测。我们如何阻止未来的欺诈？我们如何预测有多少客户会下单，以便我们满足他们的需求？使用人工智能来完成这项任务非常重要。问题是，关于你的生活，你使用人工智能来预测吗？使用人工智能来预测非常重要。我会告诉你，当我计划去某个地方旅行时，在我去某个地方旅行之前，在我做任何事情之前，我都会去人工智能那里，我说，根据你目前拥有的数据和今年的活动，也许有足球比赛，也许有博览会，我不知道，告诉我什么时候我可以去那个地方，那里没有那么多人参观，或者什么时候我可以去那个地方，酒店价格会更便宜。什么时候我可以去这个城市，在那里我可以享受好天气？所以，我需要预测会发生什么。使用人工智能来帮助你预测。我想去这个地方。什么时候路上的交通最少？尤其是在迪拜，我们有巨大的交通。我总是问人工智能，“你觉得呢？什么时候是好时机？”我甚至计划很快去意大利旅行。我将去意大利的米兰、罗马、博洛尼亚、佛罗伦萨和维罗纳。如果你在意大利，请加入我。去我的领英账户注册。我们将在意大利举办一个为期五天的盛大活动。在我计划这些活动之前，我问Chibbt哪些城市最适合审计员，为什么。看，问人工智能系统为什么很重要，因为人工智能系统会产生幻觉，会告诉你任何事情。所以他说我推荐你去米兰，因为米兰是一个中心。然后你去罗马，因为罗马有那么多大公司，被认为是重要的城市，因为它是意大利的主要城市。你可以去维罗纳，因为维罗纳是正确的，它是一个历史悠久的城市，但有很多大公司。他们在维罗纳设有郊区办事处，他们处理与欺诈和调查相关的问题。所以，我决定根据ChibiBT来计划我的行程。我还问它，它们之间的最佳路线是什么。所以他说“不，不，不，不，你从米兰开始，去维罗纳，从维罗纳去博洛尼亚，从博洛尼亚去佛罗伦萨，从佛罗伦萨去罗马。”他甚至告诉我预订哪家酒店，预订哪趟火车，预订火车的时间，与交通相关的火车时间，预订火车的最佳价格是多少？最佳费率是多少？他甚至给了我预订的折扣码。看看人工智能是如何掌控我的生活的，它也可以掌控你的生活。这就是为什么我称自己为人工智能巫师，因为我使用一切，甚至这个演示文稿和幻灯片都是由人工智能创建的。图表是由人工智能创建的。不，我还不是人工智能，但一切都由人工智能运行。培训中的视频由人工智能创建。视频中的歌词由人工智能创建。图形由人工智能创建，并由人工智能同步。人工智能可以为你做任何事情，如果你知道如何正确利用它。这就是这个想法，因为今天人工智能可以自动化你所有的流程，或者你最初的尽职调查流程。背景调查可以由人工智能一键完成。你所有的持续尽职调查都可以由人工智能一键完成。即使在客户退出或你终止他们的账户或调查他们的账户时，所有一切都可以由人工智能完成。这就是为什么你需要从传统方式转向人工智能方式。让我们谈谈我们的测试如何与这些金融犯罪问题相关的演变，以及我们如何进入我们现在的领域。他们说，在20世纪90年代中期，金融机构主要依靠手动流程来验证所有这些信息。所以他们会手动验证这些信息，因为没有那么多系统。之后，在1990年至2000年之间，实际上我们发现组织适应了系统，因为他们适应了系统，他们能够基于规则运行，通过查看任何预定义的参数或模式或任何不寻常的东西来识别交易是否欺诈。到2010年，我们现在进入了我们称之为机器学习初始模型和人工智能的初始形式，他们开始运行一些人工智能测试，以确保我们正在做一些无监督测试，查看任何不寻常的东西，而不是总是标记数据，但到2020年，随着人工智能的革命，我们现在进入了大型语言模型，我们进入了生成式人工智能，我们进入了无监督学习，这些模型非常先进，它们可以预测很多。举个例子。在过去，谷歌在YouTube上想知道，如果你发布一个视频，你的视频是关于什么的，他们会听你在视频里说什么。所以你说，例如，“大家好。今天我讲的是猫。猫非常重要，因为他们需要听你说。为了知道你在谈论什么，你可以放视频的标题。英国的猫。”正确。但他们想要的是，谷歌不在乎你在谷歌上放什么标题，你说“米色是关于猫的”，但谷歌会查看里面，说你写的是关于狗的所有文字，所以谷歌会阅读里面的文字，他们不在乎标题。YouTube也是一样，当你发布一个YouTube视频时，YouTube不在乎你的标题，当然他们会考虑它，但他们想先看到内容。所以他们会查看内容，如果你说“猫猫猫猫”。现在谷歌甚至会看到你在谈论猫，但如果这里的照片不是猫，而是狗的照片呢？所以有人在看视频，他们看到了标题是猫，你在谈论猫，但这是狗。所以你说“这是什么？这令人不安。”所以谷歌想确保，如果他们要给你看一个关于猫的视频，视频里有猫，而不是有人在谈论猫。因为我现在可以告诉你，舞台上有猫在表演。是的，你知道，你知道这个乐队猫吗？它不是关于猫，你需要看到猫。所以，谷歌能够创建，在2020年至2025年之间，或者在此期间，我甚至不记得确切的日期，它能够创建人工智能系统来分析视频中的照片，以了解你的视频是关于什么的。所以，如果你在YouTube上发布一个视频，而你的视频中有一些猫的照片，一些猴子的照片，一些狗的照片，YouTube会将你的视频归类为关于猴子、狗和猫的视频。即使你在谈论政治家，抱歉，我不应该说，但现在没关系，你的视频被归类为关于动物的视频，因为他们关心你里面有什么图像，这样他们就会，但这不是唯一一步。谷歌会查看你说的话，你有什么视频，你放了什么，并使用人工智能来理解你在谈论的概念，并基于此对你的视频进行分类。但谷歌非常创新的一个方面是实现了照片识别，不是针对照片，而是针对视频中的照片。它是如何使用的？它是基于照片识别的，通过查看你知道的照片。他们有一大堆照片。现在他们正在查看里面的照片，以便能够识别你的视频属于哪种类型。所以看看我们现在生活的程度。所以，如果你在街上走，拿着一个物体，使用计算机视觉在现实生活中。看，我不是在谈论录制的视频。在现实生活中，如果你在街上走，使用计算机视觉，人工智能系统可以识别你拥有的物体，或者你手里拿着一个苹果，或者你拿着一个香蕉，或者你拿着一个iPhone 17。计算机视觉可以实时读取它，并为我们提供所需的信息，这真的很有趣。甚至现在他们拥有的新技术，可以直接与互联网进行交叉引用。你可以看到这项技术在TikTok和其他平台上以某种方式实现。如果我穿着这套西装，你喜欢它，你想买一套和我穿的类似的西装，你只需要点击一下西装。人工智能系统会告诉你可以在哪里以最便宜的价格买到。看看有多好。所以现在如果你点击我的西装，什么都不会发生。所以请不要尝试。但再次，这就是想法。看看我们是如何在一个万物互联的世界里前进的。
您不需要去给我的西装拍照。去把它发给人工智能，说我想给这件西装命名。它们会告诉您这件西装的名字。您去亚马逊，搜索一下。没必要。人工智能系统可以使用所有这些人工智能模型来整合所有这些。所以这就是为什么我们今天可以看到，我们从基于标记数据的监督模型，这种模型最适合用于已知模式，并且我们拥有高准确率，发展到了我们正在关注的无监督模型，这种模型侧重于新兴威胁，可以检测未知事件，但它们有很高的误报率，但它可以帮助我们准确地找出新的趋势，新兴的趋势。所以不是哪个更好。我们需要两者兼备。我们需要监督学习来处理我们已知的、基于规则的实际当前威胁，而对于未知威胁，我们需要实施无监督学习。所以这一切都是为了确保我们有一个系统，可以减少误报的数量，并且我们需要确保我们还有一个准确的系统，能够准确地告诉我们并识别欺诈。拥有适当的参数来控制这个系统是非常关键的。所以这里的问题是，我如何构建这个系统？要构建这个系统，您需要遵循我们称之为人工智能欺诈工程模型的东西。所以人工智能欺诈工程是一个非常好的概念。我目前正在写我即将出版的书，名为《人工智能欺诈工程》，这本书是关于理解作为一名反欺诈专业人士，您如何利用人工智能概念来创建您需要的人工智能，呃，呃，呃，反欺诈系统。我不是在谈论编程，您不会去编程。这是关于创建我们称之为工程的东西。所以一切都将从定义您的需求开始。您想做什么？哪种类型的测试？哪种类型的分析？您想进行哪种类型的欺诈风险管理？然后您将去获取数据。在您获得数据后，您将做什么？您将去使用数据来创建算法。所以您创建算法来分析这些数据，然后您将选择合适的模型来处理数据。之后，您将根据训练数据来训练模型。所以请记住，我们首先有输入数据。我们称它们为输入数据。输入数据将帮助我们准确地理解算法是如何创建的，以及这些数据将如何使用该算法进行处理。我们将拥有模型。一旦我们有了模型，我们就需要检查模型是否正确。我们使用训练数据来训练模型。然后我们评估结果是否正确，或者进行调整。之后，我们需要做什么，我们将其部署。现在引擎正在运行，之后我们监控引擎是否正常运行。是的。如果引擎根据实际数据运行不正常。看，我们有三种类型。我们有输入，我们有训练，我们有实际数据。我们可以调整它并改进它。但是创建您自己的人工智能系统的过程非常复杂，并不容易。相信我，我现在正在攻读人工智能博士学位，这并不容易。我读了三年的参考文献和书籍，我的头发开始变白了。还没有，但很快就会。所以这就是为什么人工智能不是一个容易的科目。但是如果您想要一个已经过测试的系统，一个已经可以帮助您实施所有这些人工智能测试的系统，Focal from MON 是我们本次会议的赞助商，他们拥有令人惊叹的人工智能解决方案，可以帮助您简化反欺诈和反洗钱合规性，可以直接、简单地完成，一旦您将他们的系统与您的数据中心集成，您就可以实时监控与欺诈相关的风险。所以您可以联系他们。他们的链接就在下方，您可以联系他们。感谢您赞助我们的会议。我们非常感谢您的支持。让我们回到正题，继续。现在，如果您要创建这个人工智能模型，我们需要做什么？我们需要有一个能够预测的模型，我们需要一个能够预测未来将要发生的事情的模型。所以这一切都是关于标记我们现有的数据，训练系统关于如果发生这种情况将会发生什么，如果发生这种情况将会发生什么，然后让系统使用所有这些参数和所有这些信息来创建关于欺诈的风险评分，然后基于此，它会告诉我们，好吧，听着，基于所有这些指标，似乎有什么事情即将发生，就像天气一样，基于所有这些信息，似乎有什么事情即将发生，看起来天很阴，看起来温度在下降，看起来下雨的可能性很快就会发生。所以您采取适当的行动。所以这一切都是关于找出如何利用预测分析来处理我们现有的信息和系统，以便创建风险评分并预测未来的欺诈。但这并非易事，就像我告诉您的，创建人工智能系统并非易事，因为它基于不同类型的模型才能达到我们的结果，因为它不容易。如果您只有一个模型，模型的问题是它可能会过拟合或欠拟合。这是什么意思？如果过拟合，它实际上正在寻找，呃，呃，呃，准确地说，很多东西。如果欠拟合，它太适合了，它只是给您想要的结果，而没有给您任何其他东西。所以这样，您将找不到任何异常。所以这就是为什么他们说，当您试图实施合适的模型时，您需要理解很多方面。第一个是如何查看不同的模型，并使用投票机器人或盒子来准确地获得我们可以获得的最佳结果。所以我们不只使用一个模型，我们称之为装袋，也就是自举聚合。我们从第一个模型获得结果，从第二个模型获得结果，第三个模型获得结果，然后基于此，我们可以看到哪个模型给了我们所需的最优结果。之后，我们获取信息，然后我们去哪里，我们去提升，我们查看一个模型。一个模型给出了一个结果。然后我们其他的模型在完善这个结果。其他的模型在完善这个结果。其他的模型在完善这个结果，直到我们得到想要的结果。您知道这是今天许多人工智能模型工作的方式之一。它们将完善结果。完善结果。我不记得确切的名字了，我读了太多人工智能书籍，我的脑袋都快变成人工智能了，真的太复杂了。所以他们说，当您创建人工智能模型时，有一个叫做模仿者和判别者的人。所以让我向您解释一下，假设您说我想要一张树的照片，然后您告诉Shajbet。那么它会做什么？它不能去社交媒体上找一张树的照片给您，因为那不好。这是版权问题。这是Sah Ahmed先生拍的一张树的照片。这是他的版权。您不能这样做。所以Chad GBT需要去看看Ahmed的树，看看他数据库里所有的树，然后去创造一棵新的树。所以看，它会去创造一棵新的树。所以这就是生成器，模仿者内部的系统，我忘了确切的名字了，抱歉，这是技术名称，所以它会去创造一棵树。现在当它去创造树的时候，如果这棵树看起来很奇怪呢？您还记得旧的人工智能模型，不是旧的，我们让他们去创造一些东西，他们创造了非常奇怪的东西，我们说创造一只猫，就像这太奇怪了，就像因为它们不知道如何模仿。现在就轮到判别者了。判别者会去说，这个看起来不好。做得更好。然后它会去尝试做得更好。看看，这个看起来不好。做得更好。然后它会做得更好。不，这个。所以它会去比较它所做的和正在发生的事情，然后将其拒绝给它，说不，您所做的实际上是不正确的。所以它会去制作，制作，制作，直到它制作正确。它会说，是的，现在它是正确的。现在您可以把它给用户了。所以我们有一个会创造，一个会去检查它是否正确创造，然后回去拒绝，说再做一次。所以这就是为什么人工智能模型以这种方式工作，以便它们能够生成结果，否则如果一个系统在没有人检查的情况下生成，那么结果就不会好，它们需要不断检查，并且需要确保它与原始的不是一样的。它们不会给您照片，您不奇怪为什么当您在chi或所有这些模型上看到照片时，我最近也使用了这些模型。您知道您在这些模型中看到什么吗？我说给我一张照片，一个男人站在田野里。他会给我一张男人的照片。我好奇，这是真人吗？因为他看起来像真人。所以我害怕使用他的照片，然后他会因为版权问题找我。但这不是真人。他根据他们拥有的数据创建了不同的照片。然后我们有堆叠，我们查看不同的算法，它们都给我加权预测，然后基于它们的加权预测我做出决定。所以我们可以看到，在人工智能模型中过滤数据这个过程非常重要，因为垃圾进，垃圾出。所以这就是为什么我们需要有不同的过滤器来确保我们拥有的原材料，也就是数据，通过整个逻辑检查，以确保数据被正确过滤，从而得到我需要的结果。同时，人工智能模型中一个非常重要的问题是平衡我们所说的风险缓解和消费者体验。消费者实际上想要无缝的体验，他们想要打开他们的应用程序，点击，我想买，完成。他们不想输入他们的信用卡信息，登录他们的账户，获取OTP，输入OTP，接到电话，验证交易，然后被拒绝。而我们则需要更多的控制，更多的监控，更多的风险，更多的信息。客户不想给我们更多信息。所以这就是我们在实施欺诈风险管理时遇到的问题。我们拥有的信息越多，我们就能做出更好的决策。但是我们拥有的关于消费者的信息越多，隐私问题就越多。为什么您要获取我的电话号码、出生日期、我的居住地、IP地址、我的位置，这么多信息？同时，这也会让他们的生活变得困难，因为我们必须始终与他们核实所有这些信息。所以这就是为什么，如果您要创建任何用于欺诈风险管理的人工智能模型，您需要有道德、摩擦和公平之间的正确平衡，以确保系统没有偏见并给我们正确的结果。那么我们学到了什么，从今天的会议中学到的教训是什么？我希望您喜欢这次会议。如果您喜欢这次会议，请订阅我的频道，因为我们还有很多即将到来的会议。所以教训是，我们应该自己构建，还是购买，还是实际去定制？我们应该怎么做？优点是什么？如果您自己构建，它是完全可定制的。您拥有更大的控制权。您控制您的数据。我们害怕他们窃取我们的数据。如果您购买定制解决方案，它由供应商为您完全定制。您仍然拥有更大的控制权。就像您去，您在内部实施人工智能模型。您将人工智能模型作为开源，然后您获取它，并在内部进行发明。所以现在您采用相同的模型，您不开发它，因为创建人工智能的成本是巨大的。Chad GBT 花费了超过 1 亿美元来创建人工智能，或者您可以直接购买。您可以购买 OpenAI。您可以购买已经存在的解决方案。现在您有一个危险。为什么？也许系统将来不可用。也许这家公司会破产。我们现在可以看到，一些人工智能公司开始破产，它们正在消亡，因为它们没有足够的钱，或者同时，也许我们的信息在它们那里，就像Chad GBT一样，然后它们会在我们不知情的情况下用于广告。这就是危险。现在缺点是什么？如果您自己构建，潜在成本很高，非常昂贵，会带来巨大的成本和收益机会问题。我们应该购买还是构建？同时，它更慢。创建人工智能模型需要数年时间。也许您没有正确的专业知识。现在，如果您购买并定制它，潜在的开发成本更高，但您依赖于供应商。如果供应商有一天破产了，您就无法继续业务。同时，维护成本很高，您必须支付。那么对您来说好的选择是什么？如果您现在想立即完成，您可以购买现成的、有限定制的解决方案。您可以购买一个已经存在的解决方案，并进行有限的定制，但要确保供应商是可靠的。他们拥有企业级的安全保障。您将把您的系统与该解决方案集成，然后您就可以做到。或者，如果您不想这样做，您可以这样做，这是一个可定制的解决方案。这样您就可以购买他们的解决方案，并在您的组织内部进行定制。但目前，对于您的组织来说，构建自己的人工智能模型不像构建数据库或构建软件。它没那么容易。这是一个复杂的过程。所以现在，在这一个小时里，我们讨论了很多问题。如果您想收集本次会议的 CBE 分数，只需点击下面的链接即可获得一个 CBE 分数。如果您想了解更多关于如何实施人工智能欺诈风险管理的信息，我们在马尔代夫有一个非常棒的研讨会，为期四天，我将详细讲解四天。想象一下，您参加了一个小时的会议。想象一下，当我们用四天时间讲解如何正确实施人工智能欺诈风险管理，然后参加一个简单的考试，获得人工智能欺诈风险管理证书。所以，如果您有兴趣注册我们未来的研讨会，请在下面的链接中注册。当然，我与 ACF 合作，并教授 CF 考试复习课程。如果您想在 CF 考试发生变化之前加入我们最后的 CF 考试复习课程，也请点击下面的链接并注册。非常感谢您的参与。感谢我们所有的赞助商支持我们这个了不起的倡议。感谢 MIS 成为我们的白金赞助商，感谢 10 Intelligence 成为我们的黄金赞助商和咨询合作伙伴，感谢来自中东和亚洲的所有专业协会支持我们的倡议，为你们带来惊人的知识。希望我很快能在意大利、马尔代夫或迪拜或中东与您见面。在此之前，请等待我们下周的下一场会议，我将在未来与您见面。并且永远记住，人工智能不会取代您的工作，但一个不使用人工智能工作的人肯定无法对抗人工智能驱动的欺诈。保重。