机器学习又一技能：检测金融诈骗

2016-04-09 21:59:41　来源: cnbeta网站举报

分享至

（原标题：机器学习又一技能：检测金融诈骗）

摘要：这样的事每天在英国各地都会上演：一个顾客在杂货店用信用卡结账，收银员却说该卡被拒，可是买的东西都已经装好了，尴尬可想而知。可是该卡的信用额度良好，PIN码也正确，顾客在此前已经购买了许多其他东西，现在信用卡刷不了真的很莫名其妙。对于金融服务行业来说，这些“误判”已经成为越来越大的问题。不仅客户和商家烦恼，还需要工作人员验证身份和解锁卡。

每一个金融服务公司都声称它们有专门的欺诈检测系统，能够区分正常使用和诈骗，但不能保证国内用户的卡不会无故被拒。不管这些系统声称自己是如何复杂，事实上，这些误报已经了表明系统内部存在问题。

剑桥公司

于是，为了解决系统平台的问题，一家剑桥成立的公司推出了自适应行为分析技术，它可以更准确地判断交易的好坏。该公司是Featurespace，其销售的平台使用ARIC引擎和机器学习系统，旨在监测复杂事件的微小细节是否出现异常。

最近另一个剑桥创办的企业，谷歌的DeepMind举世瞩目，该公司也使用机器学习的概念和贝叶斯统计学。该系统通过机器人和人类冠军的围棋比赛声名大噪，但我们只是见识了一点它的威力，因为机器在未来十年将渗透到巨大的决策系统的阵列中。

Featurespace十年前是剑桥大学的概念项目，由David Excell（公司CTO）和Bill Fitzgerald 教授（2014年4月去世），公司的发展一直是缓慢而稳定，同时也证明该公司很卖力。由于在2012年任命了新的CEO，Martina King，公司实力似乎明显加强了。2014年，投资者组成了财团，共融资450万美元，其中包括剑桥著名的公司Autonomy联合创始人Mike Lynch。

在谈话中，Martina显然非常忙碌（在漫长的职业生涯中曾领导雅虎英国和Capital Radio），她热情又体贴，很讨人喜欢。工程师有时会局限于技术细节，但Martina对Featurespace的愿景却很清晰、简洁。

“当你在做新的、与众不同的东西，获得人们的认同是需要一定时间的。之后，他们才知道有一个更好的办法，”Martina说，她坚定地认为，尽管自适应行为分析曾经是一个深奥的实验室技术，现在大家的看法都开始改变了。”这是口口相传的结果。”

Martina通过Mike Lynch，认识了Featurespace联合创始人Fitzgerald教授。尽管他于2014年去世了，至今她谈起教授都满是想念，十分失落。

另一方面，Martina对银行所使用的欺诈检测系统不敢恭维。”他们[金融服务]已经失去了这么多钱，”她叹息.“这些攻击如此复杂，你根本无法预测他们的下一步。”

几年间，误判和漏判诈骗的问题、顾客的不满，已经从不便成为一个重要问题了。但是传统系统为什么一直挣扎？Martina认为原因很简单，他们的欺诈检测规则是基于已知模型模式的。只要新的东西出现，会导致系统崩溃或者管理变得昂贵。所以检测欺诈行为最终向昂贵、人工处理发展。

ARIC模拟真实世界更详细的欺诈，通过了解事件的来龙去脉从而发现异常。这是一个理解现实世界已在各种形式的计算机安全获得牵引力的理论，但不表明，成功实现其是微不足道的。

“这是很难做到的，你需要真正深入了解统计分析，并在企业范围内提供这方面的分析，”Martina说。“我们已经在许多方面创建了市场。直到最近没有人谈论机器学习。”

它的强度就在于所有的事件，包括欺诈，是由或代表人类执行的。这给了贝叶斯数学支撑，和ARIC在其搜索不仅把握理解一个事件的意义，而且预测可能出现下一个是什么。

Featurespace面临的挑战是单纯为了更好地检测欺诈，更便宜，速度更快。

“当我早晨醒来，我想怎么能缩短时间呢？”

Martina估计全球仅是应对误报成本可能达到 64亿美元，这个数字占了真实欺诈很大一个比例。如果解决欺诈变成了沉重的负担，那么问题急需解决。

“我们知道Featurespace可以减少70％的警报，所以并不需要那么多人处理误判了。”Martina说。