随着云计算和在线功能的激增网络犯罪分

子的攻击场所呈指数级增长，我们不能再依赖传统的方法来保证我们的安全。 例如，验证码自 1997 年就已出现，虽然花了一段时间才开始流行，但它已成为防止数据抓取、暴力攻击和自动脚本的首选安全系统之一。它们对用户来说也是一种负担（我一生中曾多次未能通过验证码，以至于我开始怀疑自己的人性），而且随着 OCR 模型的使用，它们一次又一次被击败。

不幸的是最薄弱的环节不

是技术，而是我们人类。大多数网络攻击实际上都是内部工作，而网 土耳其资源 络钓鱼和勒索软件分发等骗局通常依靠人为工程来捕获毫无戒心的受害者。我们能用人工智能来弥补我们的弱点吗？欺诈检测机器学习可靠吗？ 如何使用机器学习进行欺诈检测 诈骗者的主要策略之一是寻找极难发现的操作模式。例如，使用被盗信用卡的人可以在很短的时间内花掉大量金钱，从而触发警示。

但如果犯罪者在知名的

网上商店进行小额交易，就很难被发现。 这里的关 利用技术和自动化 键词是模式。虽然理论上我们可以创建基于规则的软件来发现欺诈行为，但一旦犯罪分子了解哪些行为会触发标记，他们就会调整并制定新策略以避免引起怀疑。这充其量只是暂时的措施，而且只有我们已经了解他们的方法时才会起作用。 最重要的是，在交易数据中寻找隐藏的模式非常困难，需要一定的专业知识，而这很难做到。

欺诈专家需要花费数年时

间进行培训和学习，才能察觉可疑行为，而欺诈者的数量肯 全部 100 定比专家的数量要多。那么，还有什么其他选择呢？ 一个有希望的途径是机器学习。通过训练计算机识别这些模式，我们可以在人工审核所需时间的一小部分内监控数百万笔交易。更好的是，计算机可以注意到原本可能未被发现的模式。这就像有一位未来侦探在你身边。但它是如何工作的呢？ 欺诈检测中的人工智能和机器学习 基本上，机器学习模型有三种类型：监督式、无监督式和半监督式。