连接世界
赋能民众
共筑繁荣之路
创新者
2024 年 7 月 18 日
网络欺诈是一门大生意，从事网络欺诈的人有很多头衔：黑客、营销人员、销售人员，甚至客户服务专家。
欺诈者利用间谍软件、恶意软件和其他做法（如盗取银行卡），盗取了数百万个支付卡号，并在非法网站上转售这些数据。他们甚至用部分泄露的卡号来宣传他们的掠夺行为--这些信息足以诱惑潜在客户，但不足以识别这些卡并阻止未来的欺诈行为。
直到现在Mastercard的数据科学家们结合使用了生成式人工智能和图技术，生成式人工智能可以在大型数据集的基础上训练自己创建新内容，而图技术则可以检测数据点之间的关系和模式，现在，Mastercard的数据科学家们能够在这些被泄露的银行卡被使用之前就将其揪出来，其检测率是以前的两倍。
雅廷-卡蒂亚尔（Yatin Katyal）是开发该算法的Mastercard人工智能车库团队成员之一。这些数据科学家主要位于印度古尔冈，他们开发网络和智能解决方案，将其人工智能专业知识应用于公司内部和客户遇到的挑战，并在序列数据、图形建模和合成数据建模等领域从事专利研究。
Mastercard 新闻室最近请 Katyal 介绍了人工智能车库如何应对这一挑战，以及如何利用新兴技术打击欺诈行为。"他说："最棒的事情就是你的算法终于开始工作了。"对我来说，这与其说是一种方法，不如说是一门艺术，直到你解决了它"。
卡蒂亚尔我们一直在与我们的网络安全团队密切合作，该团队帮助全球银行主动识别网络漏洞并检测潜在的数据泄露，以创建一种算法来识别非法网站上更多的Mastercard泄露卡。主要挑战在于只能识别部分卡号。这是因为欺诈者将 16 位数字卡凭证的一部分放在非法网站上，出售给其他犯罪分子。如果只有部分信息，例如最后四位数字，这些数据就可能与一张或多张卡片相关联，从而使问题变得非常难以解决。
我们还看到，这些可能在非法网站上泄露的银行卡在所谓的 BIN 攻击（欺诈者使用自动软件从银行识别码开始猜测和测试信用卡号码的各种组合）和欺诈案件中的使用比例较高，这一点不足为奇。然而，随着攻击者方法的快速演变，这些模式也在不断变化。这促使我们考虑使用图数据库技术，该技术侧重于数据点之间的关系，可以跟踪网络中所有潜在风险或泄漏的卡片，从而改进我们的预测算法。
卡蒂亚尔我们利用最近报告的欺诈交易、已知或疑似受损商户以及其他信号（如测试预授权交易）来扫描最近可能存在欺诈的活动。我们并不直接扫描非法网站以查找被盗用的银行卡，而是与合作伙伴和第三方合作，获取跟踪欺诈活动所需的数据。
利用生成式人工智能、先进的算法和图技术，我们能够预测这些被盗卡的完整 16 位卡号，以及这些卡被犯罪分子使用的可能性。这些信息将使银行能够比我们以前想象的更快地阻止可疑卡的使用。该算法分析银行卡和商户，根据相关风险在它们之间建立联系。这些链接会随着每次新数据的迭代而不断创建或删除。经过这一过程，算法会生成一份非法网站上潜在风险卡的列表，并指出这些卡被犯罪分子使用的可能性。
卡蒂亚尔我们已经使用人工智能来检测和阻止银行卡欺诈。但是，与传统的统计或机器学习驱动的解决方案相比，通过使用生成式人工智能，这项技术可以让我们更好地保护未来的交易免受新出现的威胁。图形技术有助于跟踪Mastercard网络的活动，使其更加高效。
例如，一张卡可以映射到 200 张卡，其中 30 张被盗用的卡与一家商户有风险链接。我们可以更快、更准确地向银行发出警报。然后，这些卡可以被冻结并重新发行。可以持续监控被盗卡上的尝试交易，以减少欺诈行为并加强网络安全。
我们已将该技术纳入 Cyber Secure，使发行商和商户能够更好地了解和评估整个系统的网络风险，防止潜在的违规行为。