任何商業(yè)或行業(yè)，從零售、醫(yī)療保健到金融服務，都會受到欺詐的影響。欺詐的成本可能是驚人的。欺詐損失每 1 美元 減輕金融公司約 4 美元的成本 。 2018 年至 2023 年間，在線賣家將 網(wǎng)上支付欺詐損失 1300 億美元 。

通過使用 AI 和大數(shù)據(jù)分析，企業(yè)可以實時有效地防止欺詐企圖。

這篇文章討論了需要考慮的基礎設施因素，例如性能、硬件和用于實施欺詐預防策略的人工智能軟件的類型。

交易前和交易后欺詐檢測

在討論欺詐檢測之前，讓我們先明確預防和檢測之間的區(qū)別。欺詐預防描述了管理和消除欺詐的總體努力。欺詐檢測只是識別欺詐活動的能力。

欺詐檢測有兩種方法，這兩種方法都是綜合欺詐預防戰(zhàn)略所必需的。

Pre-transaction detection： 在交易完成之前檢測并阻止試圖欺詐的交易。當在事務之前檢測到異常數(shù)據(jù)或行為時，事務被阻止。

Post-transaction detection： 根據(jù)數(shù)據(jù)分析或交易后輸入，在交易完成后識別欺詐交易。然后是損害緩解。

理想的方法是在未遂欺詐發(fā)生之前檢測并阻止其發(fā)生。當交易后發(fā)現(xiàn)欺詐時，唯一的辦法是評估損害，通知相關(guān)方，并努力從欺詐損害中恢復。

盡管欺詐永遠無法完全消除，但在制定欺詐風險管理計劃時，交易前和交易后的欺詐工作都很重要。

開發(fā)有效反欺詐解決方案的最佳企業(yè) IT 實踐

如果欺詐預防像速溶早餐麥片一樣簡單，你只需加熱水攪拌即可。有效預防欺詐只需要一個標準服務器和軟件。對的不完全是這樣。

防欺詐軟件顯然至關(guān)重要，但僅選擇任何硬件和軟件組合并不能確保成功。盡管欺詐預防“解決方案”在企業(yè)中廣泛存在，但欺詐仍在不斷增加，在這一過程中造成了財務損失。

企業(yè) IT 必須確保多個基礎架構(gòu)元素到位：

人工智能驅(qū)動軟件：由于傳統(tǒng)的靜態(tài)智能不如人工智能的動態(tài)智能有效，因此存在人工智能驅(qū)動的欺詐解決方案的趨勢。為了防止復雜的欺詐企圖，軟件必須學習。因此，人工智能必須處于核心地位。

加速性能 ：實時人工智能驅(qū)動的欺詐檢測需要盡可能高的性能。延遲會影響客戶體驗。通過性能，可以實時評估更多欺詐因素，從而實現(xiàn)更準確的欺詐檢測。

可用性和規(guī)模 ：需要一個高可用的擴展架構(gòu)來支持 24-7 天的數(shù)據(jù)接收和預防。

如果沒有這三個組成部分，效率會降低，這可能會給企業(yè)和客戶帶來更大的欺詐損失。

人工智能驅(qū)動的軟件

人工智能驅(qū)動的軟件已經(jīng)在企業(yè)中普及。通過人工智能訓練的欺詐預防模型，可以基于模型訓練迭代評估和調(diào)整檢測真實欺詐的準確性。培訓后，預防解決方案作為推斷應用程序運行，以評估和阻止?jié)撛诘钠墼p交易。然后，來自應用程序的數(shù)據(jù)反饋到模型，以進行重新訓練，提高準確性和效率。然后使用連續(xù)重新訓練的模型更新生產(chǎn)應用程序等。

隨著 機器學習 （ ML ）和 深度學習（ DL ）越來越多地應用于不斷增長的數(shù)據(jù)集，隨著原始數(shù)據(jù)準備用于訓練，在數(shù)據(jù)預處理和特征工程中， Apache Spark 已變得流行。它還用作分析工作負載的數(shù)據(jù)執(zhí)行引擎。 GPU 以加速深度學習和人工智能工作負載的方式并行和加速數(shù)據(jù)處理查詢。 RAPIDS 通常用于 GPU 加速基礎架構(gòu)中的 accelerate Spark 以及 ML / DL 框架。

此外，像 NVIDIA Morpheus 這樣的人工智能框架可以在無監(jiān)督的情況下運行，以標記異?；顒硬⒃鰪娖墼p預防工作?；谌斯ぶ悄艿钠墼p預防是動態(tài)的，可以自動適應威脅。

圖 1 NVIDIA Morpheus 驅(qū)動框架示例

加速性能

是的，需要速度，尤其是交易前欺詐檢測。

交易前檢測

如果沒有硬件加速，由于欺詐預防軟件分析每筆交易，執(zhí)行交易的客戶可能會因無法接受的延遲而感到不便。處理速度慢會影響客戶滿意度，商家實現(xiàn)的收入更少。標準 CPU 足以預防遺留欺詐，但已不再適用。

由企業(yè)級 GPU 支持的基于人工智能的現(xiàn)代解決方案在速度和準確性上可以更有效。高性能 GPU 加速可以在給定的時間范圍內(nèi)評估更多的風險因素?；蛘?，可以在更短的時間內(nèi)評估相同數(shù)量的風險因素。

交易后檢測

交易后欺詐檢測不受實時約束。盡管如此， GPU 加速可以帶來好處。更快的處理能力允許在給定的時間段內(nèi)評估更多的數(shù)據(jù)。

與交易前結(jié)果一樣，交易后結(jié)果可用于更新前后處理模型，以改善未來結(jié)果（推斷）。

其他性能注意事項

IT 部門可能僅僅根據(jù)事務速度錯誤地評估服務器性能要求。然而，初始模型訓練和基于來自推理應用程序的輸入反饋數(shù)據(jù)的重新訓練也需要高性能。

如果沒有 GPU 加速，初始訓練可能需要數(shù)小時或數(shù)天，再訓練的時間可能長得令人無法接受。結(jié)果時間不僅僅是 GPU 時鐘頻率。一些 GPU 未被認證為企業(yè)級，并且缺乏大量 GPU 內(nèi)存或足夠數(shù)量的內(nèi)核來提供快速訓練結(jié)果。

是的，大型欺詐預防模型的培訓可以在云中以性能和規(guī)模執(zhí)行。不幸的是，經(jīng)過多次訓練迭代后，云處理周期可能會很昂貴。

幸運的是，可以使用代表性數(shù)據(jù)子集或較低分辨率精度參數(shù)，在企業(yè) GPU 加速的工作站上以迭代方式經(jīng)濟高效地在本地執(zhí)行模型訓練。這使得在數(shù)據(jù)科學工作站或支持 GPU 的服務器的資本支出之后，初步模型培訓的成本基本上是免費的。

經(jīng)過初步培訓后，可以在大型數(shù)據(jù)集上以更高的效率在云端或企業(yè)服務器或服務器集群中執(zhí)行全面培訓。

可用性和規(guī)模

欺詐者從不睡覺，因此企業(yè)欺詐預防也無法休息。事務應用程序不間斷運行，因此防欺詐軟件也必須這樣做。企業(yè) IT 基礎設施必須為預防解決方案提供彈性和可用性。正如我所指出的，性能很重要，但當它不總是可用時，它否定了任何性能優(yōu)勢。

正如我之前所討論的，欺詐和相關(guān)損害每年都在增加。預防解決方案必須無縫擴展以適應這種情況。

可用性和可擴展性要求不能局限于服務器。例如，網(wǎng)絡可能滿足所需吞吐量和延遲的規(guī)范，但事實是突發(fā)網(wǎng)絡流量可能會導致足夠的網(wǎng)絡擁塞，從而導致欺詐檢測被跳過、無法接受的延遲或超時。因此，在構(gòu)建高級反欺詐解決方案時，不能忽視網(wǎng)絡的魯棒性和冗余性。

為欺詐解決方案構(gòu)建 AI 友好的基礎設施

隨著時間的推移，您的人工智能驅(qū)動的解決方案能否獲得成功所需的性能、可用性和規(guī)模？假設基于人工智能的防欺詐軟件正確，它還必須確保正確的基礎設施。正如我前面所討論的，這意味著隨著防欺詐數(shù)據(jù)和工作負載的增加，基礎設施可以加速性能、不間斷運行，以及無縫擴展基礎設施投資的靈活性。

提供支持欺詐預防和人工智能驅(qū)動的企業(yè)解決方案的企業(yè)級 IT 基礎設施也是一項挑戰(zhàn)。正確的產(chǎn)品組合解決了企業(yè)欺詐預防的性能、可用性和擴展需求，同時支持其他人工智能框架和工具。從用于模型開發(fā)的移動和桌面工作站，到用于數(shù)據(jù)中心推理和大規(guī)模培訓的服務器和軟件。

關(guān)于作者

André Franklin 是 NVIDIA 數(shù)據(jù)科學營銷團隊的一員，專注于 NVIDIA 支持的工作站和服務器的基礎設施解決方案。他在多個企業(yè)解決方案方面擁有豐富的經(jīng)驗，包括 NetApp 、 Hewlett-Packard enterprise 和具有預測分析功能的靈活存儲陣列。安德烈居住在加利福尼亞州北部，以駕駛無線電控制的模型飛機、滑冰和拍攝大自然遠足而聞名。

審核編輯：郭婷