人工智能改变了支付欺诈的防范方式，帮助银行节省了数百万美元的开支

• 万事达卡2025年研究显示，平均而言，企业每年因支付欺诈在全球损失$6000万美元。
• 冒充诈骗正在迅速增加，生成式人工智能（gen AI）助长了这种行为并导致了欺诈。
• 利用实时数据和趋势的人工智能工具可以帮助在欺诈发生之前阻止欺诈——并减少损失。
• 83% 的行业领导者表示，人工智能减少了误报和流失，标志着预防欺诈进入了一个新时代。

实时支付网络的扩展为欺诈创造了新的机会。事实上，2024 年欺诈造成的全球预估经济损失已超过 $4850 亿——这个惊人的数字预计在未来几年还会继续增长。

交易在数秒内完成处理，从而缩小了检测和规避的时间窗口。与此同时，犯罪分子设计的攻击能使资金在被发现之前迅速通过多个账户流动。

这些欺诈者利用生成式 AI 实施社会工程诈骗，并更精准地组织快速交易。根据德勤报告，生成式 AI 可能导致美国欺诈损失到 2027 年达到 400 亿美元，是 2023 年 123 亿美元的三倍多。通过自动化跨不同机构账户的资金流，欺诈者可以掩盖踪迹并使追回变得复杂。

但银行也在积极行动——利用人工智能更快地反击。过去，欺诈预防团队会设置手动规则来决定批准或阻止哪些交易。现在，AI 可以分析数据以检测异常模式，并实时做出更明智的授权决策。

这种转变已经开始见效。万事达卡 2025 年支付欺诈预防报告由万事达卡与金融时报 Longitude 合作制作，报告发现，得益于 AI，42% 的发卡机构和 26% 的收单机构在过去两年中已在欺诈企图中节省了超过 5 百万美元。但要充分利用人工智能进行欺诈预防，企业需要高质量的数据来为模型提供信息，从而做出更好的风险决策。

Mastercard 的研究发现，在过去一年中，企业因支付欺诈平均损失了 6000 万美元。随着人工智能帮助欺诈者制造出更有说服力的骗局，预计这些损失还会继续上升：

• 犯罪分子利用人工智能分析大量公开数据，精心策划高度针对性的诈骗。
  
• 利用价格低廉的人工智能工具，欺诈者可以大规模地制作令人信服的网络钓鱼信息、合成语音克隆和深度伪造视频，从而更容易操纵受害者批准欺诈交易。

同时，随着实时支付的普及，金融机构只有很短的时间来识别和阻止人工智能驱动的欺诈企图。 这就是支付行业领导者密切关注各种欺诈风险的原因：

• 领导者认为合成身份欺诈（61% ）、冒名顶替诈骗（60% ）和跨境欺诈（54% ）是明年增长最快的威胁。合成身份欺诈是指将窃取的个人信息与捏造的详细资料结合起来以制造虚假身份，随着欺诈者利用人工智能筛选海量数据集并建立更有说服力的档案，这种欺诈行为正在不断升级。
• 其他日益增长的风险包括电子商务欺诈（47% ）、"先买后付"（BNPL）滥用（42% ）和深度伪造（21% ）。电子商务欺诈和 BNPL 滥用（即不良行为者未经授权开设 BNPL 账户或进行交易）引起了人们的关注，这凸显了在整个数字支付领域加强客户保护的必要性。

90%的支付行业领导者预计，如果他们不增加人工智能在预防欺诈方面的应用，未来三年的经济损失将会增加。

幸运的是，从分析交易模式到减少人工审核，有多种方法可以将人工智能用于预防欺诈。许多机构已经因此获得了很高的投资回报率（ROI）：

• 85% 的受访者表示，在欺诈案件的分流和调查、交易模式识别以及可疑交易的实时检测中使用人工智能带来了回报。
• 83% 表示，人工智能大大加快了他们的欺诈调查和案件解决过程。

不过，重要的是要记住，持续的投资会带来最大的收益。使用人工智能超过 5 年的组织报告称，可节省 430 万美元的收入损失，几乎是平均节省 220 万美元的两倍。

同时，领导者也知道，随着欺诈策略的不断演变，保持人工智能与时俱进是一个重大障碍。为了抵御新出现的威胁，人工智能工具需要实时学习和适应。

借助融合了近乎实时数据和情境洞察的AI工具，组织可以做出更高效的授权决策，以提高审批率并保持客户满意度。

问题：银行一直使用基于规则的系统来批准或阻止交易。例如，银行可以设定一条规则，标记超过一定金额的购物，或拒绝来自不寻常地点的交易。但问题就在这里：僵化的人工流程会降低欺诈检测的速度，尤其是当诈骗变得越来越快、越来越复杂的时候。

解决方案人工智能解决方案可以轻松克服这一限制，分析数百万个数据点，快速评估交易风险并提供实时见解。这意味着银行可以在新威胁出现时及时发现，并迅速做出明智决策，最大限度地减少检测滞后。

80% 的组织报告称，人工智能有助于消除不必要的人工审查，这不足为奇。万事达卡 Decision Intelligence Pro 解决方案 (DI Pro) 正是为此而生：它可在授权期间近乎实时地提供风险评分和洞察。银行无需等待或稍后调查——它们可以即时决定批准或拒绝。

问题：由于静态授权规则缺乏细微差别，往往会导致误报，即合法交易被错误地识别为欺诈交易，并被拒绝或标记审查。除了给内部团队带来额外工作外，这还会损害客户体验。

解决方案先进的人工智能模型可以分析各种数据点，精确评估欺诈风险。例如，如果一个经常购买中档服装的客户在季节性促销期间突然购买了几件奢侈时尚商品，先进的人工智能模型可以分析历史购买行为、商家信誉和时间等因素，以确定这种消费激增是否属于合法行为。

这种情境洞察力可促成更准确的授权决策，从而在不增加客户摩擦的情况下防止欺诈。事实上，83% 的受访者表示，人工智能在过去一年中显著降低了误报率和客户流失率。

问题：虽然人工智能可以支持实时欺诈检测，但它需要高质量的数据才能保持有效性。领导者了解这一需求，64% 的受访者表示，他们需要加快 Access 新的、可信的数据源，以跟上不断变化的威胁。

解决方案：有效的人工智能欺诈检测模型整合了整个支付生态系统的输入信息，包括银行卡网络情报、商户数据和对消费者数字身份的洞察。

例如，人工智能工具可能会根据历史欺诈率评估商家的风险，同时分析客户的速度计数，即跟踪在短时间内发生购买或账户变更等行为的频率。

DI Pro 利用先进的 AI 和万事达卡商户用户互联智能 (MUCI) 算法，连接用户、商户和交易之间的模式，提供上下文，而不仅仅是分数。

展望未来，企业在人工智能欺诈检测方面能否取得成功将取决于两个因素：一是模型分析大量数据的能力，二是结合历史模式和新鲜信息协助决策的能力。

生成式人工智能正在改变欺诈格局。诈骗分子利用人工智能的速度更快、适应性更强，金融机构也必须如此。

万事达卡的 Decision Intelligence 解决方案利用人工智能和网络驱动的洞察，根据风险级别分析和评分交易。凭借丰富、近乎实时的交易洞察，您可以做出自信的授权决策，批准更多真实交易，并在欺诈策略不断演变的情况下保护收入。

准备好利用人工智能改造您的欺诈防御系统了吗？ 了解 Mastercard 如何提供帮助，或阅读我们的报告，了解所有调查见解。