打擊網路犯罪時，人類需要 AI，AI 也需要人類

幾年前，一名遊客在墨西哥使用信用卡從自動提款機提取現金。當他回到家，看了他的卡對帳單，發現這張卡也被用來購買了幾件珠寶。這很奇怪：他不只沒有在度假時用這張卡買任何東西，而且交易是在自動提款機提款後五分鐘發生的，而且是在國家另一端的商店。

幸運的是，他的銀行團隊在檢視他的個案後，同意雖然他們的人工智慧詐騙偵測工具並未將這筆購物標示為可疑，但他自己購買珠寶的可能性極低，因此他們退還了購物款項。隨著調查的深入，調查小組確定騙徒很可能從自動提款機內的讀卡器盜取了他的信用卡資訊，並傳送給對岸的同夥。

現代付款的簡便、快速和匿名性，讓人類無法跟上詐騙的規模。幸運的是，他們不需要這樣做，因為 AI 應用程式現在可以監控每筆交易，並觀察整個卡片網路是否受到攻擊。這些 AI 模型能比任何人類更有效率地整理資料。

Mastercard 多年來一直利用 AI 進行詐欺偵測，目前每年利用 AI 保護超過 1590 億筆交易的安全，避免數十億美元的詐欺損失。去年，Mastercard 收購 Recorded Future，該公司使用 AI 每日分析數百萬個資料點，找出潛在威脅的模式與異常訊號。

但人類需要 AI，AI 也需要人類。雖然自動化工具會執行繁重的工作，但為了讓結果有用，開發人員必須持續提供真實生活的情境 - 識別新的詐欺類型，決定如何在不擾亂大型網路的情況下防止詐欺，並將新規則編入演算法中。人類的投入才能將原始的 AI 能力轉化為相關且實用的智慧。

Mastercard 安全解決方案全球主管 Johan Gerber 表示，隨著人工智慧與機器學習模型越來越強大，人們很容易相信單靠科技就能超越現今的網路罪犯。"但在每個警示、異常或標記交易的背後，都有一個演算法無法複製的重要增量層：人為判斷。當人類的判斷與人工智慧結合時，這才是真正有效的方法，並確保人工智慧能保持負責任的態度"。

雖然人工智能的設計是為了在大量資料中辨識微妙的模式，但它並非總是有能力處理異常值。如果沒有人為監控，意外事件可能會引發遺漏的威脅、錯誤警報和其他扭曲現象。

"萬事達卡詐欺與風險決策業務市場交付總監 Vince Haulotte 表示：「即使有了這些強大的工具，你還是需要人。「您必須使用一粒鹽，並考慮到上下文，以確保 AI 的回應是有效的」。

例如，AI 系統監控旅客在墨西哥度假期間的信用卡使用情況。但人工智能需要人類告訴它，在國家的兩端接二連三發生的交易有些滑稽，它需要人類告訴它未來如何注意類似事件。

為了防止這個特殊的騙局影響其他客戶，當時在BrighterionAI 平台工作的程式設計師 Haulotte 創建了一個新規則，可以標記出地理上不可能的交易。Brighterion 全天候即時監控信用卡交易，並根據交易的風險程度進行評分；當某項交易被標示為潛在欺詐時，系統會立即通知信用卡用戶的銀行。(每家銀行都可以自訂採取行動的分數臨界值，例如傳送警示或甚至拒絕交易）。

安全網 (Safety Net) 是萬事達卡的另一項產品，利用人工智慧監控整個卡片網路，以偵測攻擊的跡象。例如，如果某網站在短時間內充斥著數以千計的新帳戶，可能是因為詐欺者在 該網站發送垃圾郵件， 透過暴力手段 猜測有效的卡號 。

當然，人工智能模型並不知道這些；它不一定能了解人類行為的細節。因此，當成功的促銷活動 (例如網路星期一) 導致網站流量激增時，也可能會引起警覺。人類就是要認清這些差異。

"安全網產品開發總監 Brett Thomson 表示：「當真實交易激增時，我會與客戶經理合作了解情況，並採取預防措施以防止錯誤警報。「你得給人工智能一些指示」

由於犯罪策略不斷演變，因此人類的專業知識對於識別新的威脅和決定如何阻止這些威脅也是不可或缺的。一旦詐騙者意識到他們的策略不再奏效，他們就會設計新的詭計。但由於 AI 是根據過往資料訓練而成，因此監控工具不一定能立即發現這些新模式。因此，人類開發人員必須在持續不斷的貓捉老鼠遊戲中，更新並訓練演算法。

"在我們投入緩解措施後，他們會改變策略。Thomson 說：「然後我們會注意到這個策略，並加入新的緩解措施。「這是一個不斷來回的過程，我們每個人都在觀察對方對下一步發展的反應」。

這種不懈的動力確保 Thomson、Haulotte 及其業界同仁在打擊詐欺行為的過程中持續扮演關鍵角色。

"Haulotte 說：「詐騙者的膽量和想像力不斷讓我感到驚訝。"總有新的詐欺趨勢，因此我們必須不斷建立新的解決方案，才能走在詐欺趨勢的前面。我們的工作從未停止"。