DataVisor出席支付峰会 用AI助力金融反欺诈升级

  •   2018-05-25/13:20
  • 2018年5月24日,第十二届中国金融支付峰会在上海盛大召开,本次峰会汇聚了300多位来自政府、监管机构、银行、第三方支付企业、科技企业的嘉宾。知名智能反欺诈领导公司DataVisor受邀出席本次峰会,针对当前金融支付领域热门的反欺诈问题,DataVisor中国区总经理吴中发表了《利用无监督机器学习再塑金融支付反欺诈能力》的主题演讲,获得在场嘉宾的热切关注和广泛共鸣。

    01.jpg

    图注:DataVisor中国区总经理吴中演讲中

    支付欺诈损失达256亿美元

    在这个世界,有阳光的地方就会有阴影。繁荣发展的金融行业给人们带来各种便利的同时,随之而来的是各种欺诈风险的滋生。根据Experian公布的数据显示,预计到2020年,在线支付欺诈预计将达到256亿美元,数据泄露带来的经济损失预计到2019年将达到2.1万亿美元,全球面临的欺诈问题在未来仍然将持续扩大。

    DataVisor中国区总经理吴中表示:“欺诈问题是一个全球性的问题,并且现代欺诈已经呈现产业链化的特征。根据数据显示,组织协同欺诈占总欺诈的比例正在不断上升,在信用卡申请欺诈、交易欺诈和账户盗用等方面体现尤其明显。围绕着欺诈的实施,欺诈团伙通过注册大量恶意账户,采用多种技术发起攻击,寻找漏洞之后实施欺诈。”

    在今天,在金融欺诈呈现组织化、技术多样、涉及业务环节多、隐蔽性强等特点,金融反欺诈的传统解决方案越来越难满足当前反欺诈的需求,反欺诈技术需要再次进化。“通常,传统的反欺诈解决方案完全是依靠历史欺诈经验数据,在同一时间只是孤立分析部分事件/用户,无法系统化的关联欺诈事件,且数据模型需要不断更新,不能及时有效地检测出新型未知欺诈,难以跟上欺诈变化的趋势。”吴中表示。

    无监督反欺诈是行业发展趋势

    02.jpg

    知名技术咨询公司Gartner表示:“在2021年,50%以上的企业都将会把无监督机器学习用于企业的反欺诈检测之中。”在DataVisor看来,基于无监督的机器学习反欺诈技术是金融行业反欺诈的最重要趋势。对比传统的反欺诈解决方案,无监督机器学习反欺诈解决方案能够从整体维度查看全部的用户数据和行为,并且更加智能化地发现欺诈事件的细微关联,从而有效防范欺诈风险。

    吴中表示:“无监督机器学习反欺诈技术最独特之处在于可以自动挖掘和检测各种已知、未知的欺诈行为,并且自动产生标签和规则,免除费时费力的人工标注和调试,自动适应现有欺诈攻击的变化,大幅提升反欺诈的智能化程度。”

    作为智能反欺诈的开创者和领导者,DataVisor近年来获得了全球大量用户的青睐,通过DataVisor的智能反欺诈解决方案,已经保护了全球超过30亿账户、处理了超过6000亿的事件,并检测到超过1.4亿个坏用户,阿里巴巴、陌陌、今日头条、Yelp、Pinterest、大众点评等全球知名公司都已经成为DataVisor反欺诈解决方案的客户。

    DataVisor用AI助力金融反欺诈升维

    “DataVisor在金融、电商等领域的智能反欺诈经验丰富,全球很多知名的互联网公司或者金融机构都是DataVisor的用户。以全球最大的在线交易公司为例,他们全球拥有超过1.5亿用户,日交易额达到了250万笔。之前饱受账号潜伏、大规模注册等欺诈行为的困扰,欺诈者要么利用被盗账号与被盗信用卡发起转账活动,要么注册大量虚假账号发起欺诈活动,之前的反欺诈检测系统无法实时、有效检测和阻止欺诈活动。利用DataVisor的无监督机器学习反欺诈解决方案之后,该公司每月检测到2000多起欺诈性转账和被盗账户,并检测到18%的开户账户为虚假账户,在账户注册期间即捕获了93%的欺诈账户,大幅降低了损失。”吴中表示。

    03.jpg

    图注:会议现场

    除了账号盗取、欺诈账户开户外,DataVisor的无监督机器学习反欺诈解决方案还广泛适用了金融行业的信用卡交易欺诈、欺诈转账、反洗钱、薅羊毛(补贴滥用)、假卡盗刷等应用场景。

    关于DataVisor

    作为在线欺诈和金融犯罪检测服务的领先企业,DataVisor致力于利用最先进的人工智能技术, 尤其是无监督学习算法以及大数据应用,最大程度保护用户和企业。2015年10月,DataVisor宣布获得由GSR与New Enterprise Associates领投的A轮融资;2016年5月,获得元生资本的B轮投资,并同年成立中国分公司。2018年2月,获得由红杉资本中国基金领投的四千万美元C轮融资。


    评论 {{userinfo.comments}}

    {{money}}

    {{question.question}}

    A {{question.A}}
    B {{question.B}}
    C {{question.C}}
    D {{question.D}}
    提交

    驱动号 更多