Katyal：我們一直與網路安全團隊密切合作，該團隊幫助世界各地的銀行主動識別網路漏洞並檢測潛在的資料洩露，以創建一個演算法來識別非法網站上更多被盜用的萬事達卡。主要挑戰在於只能辨識出一部分卡號。這是因為詐騙分子會將 16 位銀行卡憑證的一部分放在非法網站上出售給其他犯罪者。僅憑部分資訊（例如最後四位數字），就可以將該資料與一張或多張卡片關聯起來，這使得問題很難解決。

我們還發現，這些可能在非法網站上洩露的信用卡信息，不出所料，在所謂的 BIN 攻擊（詐騙分子使用自動化軟體從銀行識別號開始，猜測和測試各種信用卡號碼組合）和欺詐案件中被更廣泛地使用。然而，隨著攻擊者手段的快速演變，攻擊模式也在不斷變化。這促使我們考慮使用圖資料庫技術，該技術專注於資料點之間的關係，可以追蹤網路中所有潛在的風險或洩漏的卡片，從而改進我們的預測演算法。

Katyal：我們利用最近報告的詐欺交易、已知或疑似被入侵的商家以及其他訊號（例如測試預授權交易） ，來掃描最近可能存在詐欺的活動。我們不會直接掃描非法網站來尋找被盜用的信用卡資訊——我們會與合作夥伴和第三方合作，獲取我們需要的資料來追蹤詐欺活動。

利用生成式人工智慧、先進演算法和圖技術，我們能夠預測這些被盜刷卡的完整 16 位元卡號以及犯罪分子使用這些卡片的可能性。這些資訊將使銀行能夠比我們之前預想的速度更快地凍結可疑的信用卡。此演算法分析銀行卡和商戶，並根據相關風險在它們之間建立連結。隨著每次新資料的迭代，這些連結都會不斷地建立或刪除。經過此過程後，演算法會產生一份非法網站上可能存在風險的銀行卡列表，並指出犯罪分子使用這些銀行卡的可能性。