虽然人工智能(机器学习)模型之前已用于欺诈管理和反洗钱(FRAML)，但生成式人工智能为FRAML计划带来了显着的新好处，包括改善客户体验，欺诈管理准确性和运营效率。当涉及到生成式和欺诈管理时，这里有一些关键点需要记住。在即将于12月举行的安全与风险峰会上，作为身份与欺诈专题的一部分，以下将详细探讨这个话题。
1.你必须为使用生成式人工智能辩护，因为欺诈者使用生成式人工智能进行欺诈。欺诈者使用生成式人工智能来制作完整的假驾照和国民身份证图像。他们还可以将现场视频和音频实时粘贴到受害者的合法音频和视频上。用于生成深度伪造的服务，例如Dall-E、Eleven Labs和Synthesia，正迅速变得更便宜，更容易为任何人使用。
2.深度假防御还处于萌芽阶段，依赖于生成式人工智能，但它们正变得越来越强大。深度假防御是多层的。它们包括频谱视频分析，视频伪影分析，虚假和/或重复视频背景检测。良好的深度伪造检测工具还可以确保良好的设备安全态势和卫生，例如检测和阻止越狱或根植设备，以及确保设备上视频和音频抓取的完整性和真实性。行为生物识别检测(理解鼠标运动、打字模式、触摸屏手势、环境光传感器数据、设备加速度计数据以及其他用户和设备活动属性)使用生成式人工智能来预测攻击模式，这对于检测深度伪造至关重要。大多数面部生物识别、物理身份证件验证和语音生物识别供应商都在努力将上述技术嵌入到他们的核心技术堆栈中，以提供针对深度伪造的综合保护。
3.生成式人工智能自动化欺诈风险评分模型管理。生成式人工智能最大的好处之一是它能够根据过去的交易、调查人员的决定和联盟数据等数据为风险评分模型生成规则建议。机器学习模型也受益于生成式人工智能:数据科学家可以使用生成对抗网络)将生成式人工智能与操作风险评分机器学习模型相对抗，并创建合成欺诈活动，从而将防御性调整构建到风险评分模型中。这种自动化降低了模型开发的总体成本，并允许人类数据科学家专注于更有创造性的活动，如模型选择和发现新的人工智能和机器学习算法。
4.现代了解客户(KYC)流程建立在生成式人工智能之上。KYC就是在监视列表上查找实体(姓名、地址等);发现实体之间的关系;将这些发现的关系转化为实体风险评分;并预测新交易的风险分数。使用大语言和交易模型，生成式人工智能提供了控制列表(OFAC)，负面媒体和政治暴露人员(PEP)列表的自然语言处理，以过滤掉红色鲱鱼。生成式人工智能还可以为新手调查员提供副驾驶功能，并提供简单的监管和操作报告生成。
5.生成式人工智能在欺诈管理和反洗钱(AML)方面提供协同商业价值。欺诈管理和反洗钱专业人员一直在努力解决以下问题:1)由账户数据变化触发的持续KYC或KYC检查;2)改进无停机风险评分模型;3)降低调查和合规报告的成本。生成式人工智能承诺帮助金融机构用更少的钱做更多的事。生成式人工智能在企业欺诈管理(EFM)/反洗钱领域的关键业务价值领域包括:
•改善风险评分效率，降低人工成本。
•改善误报识别。
•更好的模型和调查效率的提高，导致更低的罚款。
•加强对(生成式生成的)深度伪造的防护。
6.在EFM和AML中使用生成式人工智能仍然会带来风险。当然，在EFM和AML中使用生生成式人工智能存在一些风险和缺点。它们包括以下内容:
•生成式人工智能模型的治理比传统人工智能更难。
•由于版权侵权诉讼悬而未决，生成式人工智能的可解释性尚不清楚。
•生成式的概率性阻碍了可重复性，并可能导致幻觉。
•IP和隐私保护难以执行。
以上这6点可以帮助人们更好地理解生成式人工智能在欺诈管理策略中的应用。要了解它们如何适用于特定组织或业务。
还没有评论，来说两句吧...