AI 正透過徹底改革支付詐騙預防，協助銀行節省數百萬。

• 根據 Mastercard 研究，機構在過去一年平均因支付詐騙損失了6,000萬美元。
• 合成身份詐騙和冒認身份騙局在生成式 AI (Gen AI) 的助長下快速上升。
• 採用實時資料及行為洞察的 AI 工具，有助於在詐騙發生前阻止詐騙並減少損失。
• 83% 的業界領袖表示 AI 減少了誤報和流失，標誌著詐騙防範的新時代。

欺詐造成的全球估計財務損失在 2023 年增長至超過 4,850 億美元[1] —— 這個驚人的數字預計在未來幾年還會繼續增長。

一個動力？騙徒正利用生成式 AI，迅速製作出逼真的深度偽造內容、合成語音和偽造文件，大規模進行社交工程詐騙。根據 Deloitte 報告，生成式 AI 可能會導致美國在 2027 年蒙受 400 億美元的詐騙損失——是 2023 年 123 億美元的逾三倍。

但銀行也正加強行動——利用 AI 更快速地打擊。過去，防詐騙團隊會制定手動規則，來決定應批核或封鎖哪些交易。現在，AI 可以分析數據，以偵測異常模式並即時作出更明智的授權決策。

此轉變漸見成果。Mastercard 與金融時報 Longity 合作製作的 2025 年支付欺詐預防報告發現，有 42% 的發行機構和 26％ 的收購者在過去兩年，借助人工智能，節省了超過 5 萬美元的欺詐企業。但若要善用 AI 防止詐騙，機構則需要有高品質資料，才能納入模型中，以做出更佳風險決策。

Mastercard 的研究發現，各機構在過去一年，平均因支付詐騙損失 6,000 萬美元。隨著 AI 協助詐騙者製造出更具說服力的詐騙，這些損失預計將會持續增加：

• 犯罪分子利用 AI 分析大量公開數據，從而策劃高度針對性的行為詐騙。
• 隨著經濟實惠的生成式 AI 工具普及，詐騙者可以大規模地製作出逼真的釣魚訊息、合成語音複製和深偽影片，讓受害者更容易受騙以批准詐騙交易。

同時，隨著 即時支付日益普及，金融機構只有極短的時間偵測並阻止 AI 詐騙攻擊。正因如此，支付業界領導者正密切關注各種詐騙風險。

• 領袖們認為，合成身份詐騙 (61%)、冒充詐騙 (60%) 和跨境詐騙 (54%) 是來年增長最快的威脅。合成身份詐騙涉及將被盜的個人資料與虛構的詳細資料結合以建立虛假身份，隨著詐騙者利用人工智能篩選大量數據集並建立更具說服力的個人檔案，這種詐騙正在升級。
• 其他日益增加的風險包括電子商務詐騙 (47%)、先買後付 (BNPL) 濫用 (42%) 以及深度偽造 (21%)。對電子商務詐騙以及不法分子利用未經授權的 BNPL 帳戶或交易進行濫用的擔憂，突顯了在整個數碼支付領域中，加強客戶保護措施的必要性。

百分之九十的支付行業領袖預期，如果他們不加強採用 AI 技術以防範詐騙，未來三年內將蒙受更高財政損失。

幸好，有許多方法可以應用 AI 進行詐騙預防，從分析交易模式到減少人手審查。因此，許多機構已獲得高投資回報（ROI）：

• 85% 的受訪者表示，他們從利用 AI 進行詐騙案件分類與調查、交易模式識別以及可疑交易的即時偵測中，看到了回報。
• 83% 表示 AI 大幅加速了他們的詐騙調查和案件解決流程。

然而，重要的是要記住持續投資會帶來最大的收益。使用人工智能超過五年的組織報告節省了 430 萬美元的損失收入，幾乎是平均節省的 220 萬美元的兩倍。

隨著詐騙手法不斷演變，主管們明白，讓 AI 技術與時並進是一大挑戰。為抵禦新的及新興威脅，AI 工具需要即時學習並適應。

藉助整合實時數據及行為洞察的 AI 工具，機構能夠作出更有效率的授權決策，以提高批准率並讓客戶保持滿意。

問題：歷來，銀行均使用基於規則的系統批核或阻截交易。例如，銀行可能會設定規則來標記超過特定金額的交易，或拒絕來自不尋常地點的交易。然而，問題在於：僵化的人工流程會拖慢詐騙偵測，尤其隨著騙局變得越來越迅速和複雜時。

解決方案：AI 解決方案可以輕鬆克服該限制，分析數百萬個數據點以快速評估交易風險並提供即時洞察。這表示銀行可以察覺隨之而來的新興威脅，並迅速作出明智決策，將偵測延遲降至最低。

毫不意外，80% 的機構報告稱，AI 協助免除了不必要的人工審查。由於 AI 可讓發卡機構和收單機構更早預測威脅，這也有助詐騙團隊騰出空間，處理更複雜的調查。

問題：由於靜態授權規則不夠細緻，因此經常導致誤報，即合法交易被錯誤地識別為欺詐並遭拒絕或標記待審。除了為內部團隊製造額外工作，這亦損害客戶體驗。

解決方案：先進的 AI 模型可以分析多樣化的數據點，精準地評估詐騙風險。例如，如果顧客平日習慣購買中檔服裝，卻在季節性促銷期間突然購買多件奢華時裝商品，先進的人工智能模型能夠分析諸如過往購物行為、商戶信譽及時間點等因素，以判斷此次消費激增是否為合法行為。

這種情境感知智能推動更準確的授權決策，有效防止詐騙，同時不會增加客戶的摩擦。事實上，83% 的受訪者表示人工智能在過去一年中顯著降低了假陽性和客戶流失率。

問題：雖然 AI 能支援實時詐騙偵測，但它需要高品質數據才能保持有效性。各領導者皆明白此需求，其中有 64% 的受訪者表示，他們需要加快 Access 全新且可靠的數據來源，以應對不斷演變的威脅。

解決方案：有效的 AI 詐騙偵測模型整合了來自整個支付生態系統的輸入，包括卡網絡情報、商戶資料和來自消費者數碼身份的洞察。

例如，AI 工具可能會根據歷史詐騙率評估商戶的風險，同時分析客戶的交易速度次數，該次數追蹤購買或帳戶變更等動作在短時間內發生的頻率。

展望未來，組織在AI詐騙偵測方面的成功將取決於兩個因素：模型分析海量數據的能力，以及其結合歷史模式和新資訊以輔助決策的能力。

生成式 AI 正在改變詐騙格局。詐騙者在人工智能（AI）的幫助下變得更快、更具適應性，金融機構也必須如此。

Mastercard 的 Decision Intelligence 解決方案利用 AI 和網絡洞察，根據風險級別分析和評分交易。憑藉豐富的實時洞察，您可以作出更有把握的授權決策、批核更多真實交易，並在詐騙手段不斷演變時保障收益。

準備好利用 AI 轉換詐騙防禦系統了嗎？ 了解 Mastercard 如何提供協助，或閱讀我們的報告，掌握所有調查深入分析。