個人
付款方案
尋求支援
商務
環球方案
共創繁榮未來
新聞與趨勢
投資者關係
2024 年 7 月 18 日
線上詐騙是一門大生意，而從事線上詐騙的人有很多種身份：駭客、行銷人員、銷售人員，甚至是客戶服務專員。
詐騙者利用間諜軟體、惡意軟體及其他作法（例如盜卡），竊取數百萬筆付款卡號碼，並在非法網站轉售這些資料。他們甚至用部分曝光的卡片號碼來宣傳他們的搶掠行為 - 僅僅足夠誘惑潛在客戶的資訊，卻不足以識別卡片並阻止未來的詐欺行為。
直到現在萬事達卡的資料科學家結合使用生成式人工智慧 (Generative AI) 與圖形技術 (Graph Technology)，前者可訓練自己根據大型資料集創造新內容，後者則可偵測資料點之間的關係與模式，因此萬事達卡的資料科學家現在能夠在這些洩密卡片被使用之前將其偵測出來，其偵測率是之前的兩倍。
Yatin Katyal 是萬事達卡 AI Garage 研發演算法的團隊成員之一。這些資料科學家主要位於印度古爾岡，負責開發網路與智慧解決方案，將他們的 AI 專業知識應用於公司內部與客戶所遇到的挑戰，並參與序列資料、圖形建模與合成資料建模等領域的專利研究。
Mastercard Newsroom 最近向 Katyal 瞭解了 AI Garage 如何應對這項挑戰，以及如何運用新興科技打擊詐欺。"他說：「最棒的是你的演算法終於開始運作了。「對我來說，這是一門藝術，而不是一種方法，直到你解決了它」。
Katyal：我們一直與我們的 Cyber Secure 團隊緊密合作，該團隊協助全球銀行主動識別網絡漏洞並偵測潛在數據洩露，以創建演算法來識別非法網站上更多被盜用的 Mastercard 卡片。主要的挑戰是只能識別部分卡號。這是因為詐騙者將 16 位卡片憑證的一部分放在非法網站上出售給其他罪犯。只有部分資訊——例如最後四位數字——該資料可與一張或多張卡片關聯，使得這個問題很難解決。
我們也看到，這些可能在非法網站洩露的卡片，毫不意外地在所謂的 BIN 攻擊 (BIN 攻擊是指詐騙者利用自動化軟體，從銀行識別碼開始，猜測並測試信用卡號碼的各種組合) 和詐騙案件中使用的比例較高。然而，隨著攻擊者方法的快速演進，模式也不斷改變。這促使我們考慮使用圖形資料庫技術，該技術著重於資料點之間的關係，可以追蹤網路中所有潛在風險或洩漏的卡片，以改善我們的預測演算法。
Katyal：我們利用近期報告的詐騙交易、已知或可疑的受盜用商戶以及其他訊號，例如測試預授權交易，來掃描可能為詐騙的近期活動。我們不會直接掃描非法網站以尋找被盜用的卡片，而是與合作夥伴和第三方合作，獲取所需資料以追蹤詐騙活動。
利用生成式人工智能、先進演算法和圖形技術，我們能夠預測這些外洩卡片的完整 16 位元卡片號碼，以及這些卡片被犯罪分子使用的可能性。此資訊可讓銀行以比我們之前想像更快的速度封鎖可疑卡片。該演算法會分析卡片和商家，根據相關風險在它們之間產生連結。這些連結會隨著每次新資料的迭代而持續建立或刪除。經過此程序後，演算法會產生非法網站中可能有風險的卡片清單，並指出這些卡片被罪犯使用的可能性。
Katyal：我們已經在使用人工智能來偵測和阻止卡片詐騙。但透過生成式人工智能，這項技術使我們能夠更好地保護未來的交易，以應對新興威脅，這比傳統的統計或機器學習驅動的解決方案更有效。圖形技術有助於追蹤整個 Mastercard 網絡的活動，使其更有效率。
舉例來說，一張卡可對應到 200 張卡，其中有 30 張洩密的卡被用到一個商家的風險連結。我們可以更快、更準確地提醒銀行。然後可以封鎖卡片並重新發行。可持續監控受損卡片上的嘗試交易，以減少詐騙並加強網路安全。
我們已經將此技術納入 Cyber Secure，讓發卡機構和商家能更了解和評估整個系統的網路風險，防止潛在的漏洞。