信用报告公司Experian进行的2018年研究发现：在过去12个月中，差不多有四分之三的被调查企业将欺诈列为一个越来越受关注的问题，同时近三分之二的人遭遇到了欺诈性损失，其中支付卡欺诈成为了一个日益严重的问题。

尼尔森的报告也显示，2018年的支付卡欺诈总额损失，将超过310亿美元。这是多么惊人的数字。

一直以来，银行卡欺诈都是银行业的主要风险之一。银行零售业务反欺诈的本质是对实施欺诈人员进行伪造身份、联系方式、设备信息、资产信息等虚假信息的识别。

银行经过多年历史数据沉淀，拥有大量的历史违约和欺诈数据，是反欺诈的重点聚焦领域。但对传统银行来说，一些传统的反欺诈手段，无论在效率、有效性、全面性以及成本上都是银行的短板，尤其随着互联网金融的兴起，非现场交易增多，更是加剧了银行风险防控的难度。

▐ 举个简单的例子，通常传统反欺诈系统是有延时的，只有交易发生后并触发了银行设置的反欺诈规则才能进行拦截，“对比”的结果是在刷卡完成之后进行确认的。这也意味着如果发生多笔盗刷，第一笔总是很难被拦截。

显然，传统的科技手段是很难将反欺诈做到完美，这就需要使用AI技术来解决深层次的反欺诈要求。

因为机器、深度学习，最大价值就是能够做特征表达，通过一个数学的复杂结构来表达一些以往很难描述的金融现象，因此特别适合处理风险、欺诈以及金融产品的营销这些依靠过往经验难以准确定量的事件。

机器学习技术，人工智能算法和高性能计算系统，可在几毫秒内检查每个事务。可以做到不间断地打击欺诈。

万事达卡是全球领先的支付公司，目前已经为超过210个国家及地区的消费者、政府和商户提供服务。

事实上，万事达卡公司也是一家领先的金融科技公司，为了识别和阻止欺诈性交易，万事达卡利用机器学习在HPC系统上运行的算法可以以极快的速度处理大型数据集。从而有利于减少被误认为诈骗而终止的信用卡交易。

▐ 传统的反欺诈系统的运行规则是：每当检测当交易有一些危险信号时，商家和银行经常会停止可疑交易。但是，新的万事达系统第一反应就不会这么做，相反，它会运用更多的数据、开始做更多的计算，以便更全面地评估这个被暂停的交易。Mastercard Advisors的大数据业务副总裁Nick Curcuru表示，“我们的目标是在没有的情况下阻止欺诈行为破坏或推迟合法交易。“

这个任务对万事达卡来说，也是极具挑战。因为万事达卡在330个国家/地区拥有22亿张卡。每小时交易处理1.6亿笔数据，万事达卡使用机器学习算法并应用190万条规则来检查每笔交易，这一切都发生在毫秒之内。可想而知，所需要的计算力有多么庞大。

据了解，万事达卡采取的防欺诈引擎的功能是一种安全的支付卡行业（PCI），这是由Dell EMC提供的，基于高性能计算系统的经过认证的Apache™Hadoop®集群。这种欺诈检测机器学习系统可以针对既定的欺诈模式和无监督学习来识别新兴的欺诈模式，而且是实时进行的。

▐ 使用之后的好处是：每次交易时，机器学习算法都会对持卡人进行检查，比如购买习惯，地理位置和旅行模式，以及卡上的实时数据。再比如他们想要购买的东西，他们试图购买的内容等等，这个系统会对每个交易都根据与之相关的规则进行分析，来判定什么是有效的交易以及是否属于欺诈性交易。

同时，算法的效率为了保持始终比罪犯更快，机器学习算法随时随地都在学习和更新之中，并不断改进，的确，这时候AI真的就像是从不偷懒的“看门狗”。

银行业正在借助今天的工具来捕获和分析大量数据，支付处理，以新的方式反击欺诈者。

防欺诈系统使业内的参与者能够即时分析数据，通过不断训练算法，以帮助他们提高对欺诈活动的认识。这些技术的最终结果是为用户提供了更值得信赖的交易体验。

▐ 除了针对普通用户，万事达卡也有帮助金融机构评估商家信用风险的解决方案，称之为MATCH，用于控制高风险商家的万事达卡警报。这是一个典型的大数据处理方案。

该解决方案可以使用多种搜索算法和新的索引，匹配和排序结果。万事达卡员工可以更好地调整数据索引以改善搜索性能。该平台具有更高的可扩展性和灵活性，可实现万事达卡随着行业趋势和机遇的出现，扩展其数据集并整合新数据。

实际上，AI反欺诈如果没有大数据的处理能力和快速吞吐量，这一切都不可能实现。

这首先需要有HPC集群，包括系统与数据分析工具和软件协同工作，例如Hadoop，支持分布式存储，处理和分析大量数据。

其次，还需要利用加速器的处理能力，作为FPGA，以及领先的多核CPU，例如英特尔®至强融核™处理器系列。作为英特尔®Omni-Path架构，支付处理器拥有一个系统，可以在眨眼间完成数百万个任务。

可以肯定大数据风控将是未来银行业的核心竞争力之一，这已成为银行业界的共识。在AI的时代，利用大数据为银行业反欺诈带来全局性的创新也逐渐成为业界关注与探讨的重要话题。