近日，热播电影《孤注一掷》揭露了电信网络诈骗内幕，使得“欺诈”与“反欺诈”成为了社交高频话题。冷漠残酷且富有技巧的诈骗手法在令人触目惊心的同时，也对身边无处不在的诈骗陷阱心生余悸。正如越来越多人所了解的那样，电信网络诈骗犯罪已经产业化、规模化和跨境化，并呈现出高频发、金额大、手段新颖和隐蔽性强等特点，可以说是防不胜防。

除了消费者，各种规模的公司，尤其是银行和保险等金融公司，也深受欺诈之害。而金融机构经常碰到的欺诈企图则有支付欺诈、身份和数字欺诈、索赔欺诈、洗钱等类型。

据美国注册舞弊审查师协会(ACFE)估算，欺诈每年给全球企业造成的损失超过4.7万亿美元。欺诈不仅会给企业带来直接的财务损失和合规风险，还会导致其客户的个人信息和资产遭受损失，进而损害企业的品牌形象，因此越来越多企业采用基于高级分析和人工智能(AI)的反欺诈技术来提高防控能力。

以保险行业为例，全球每年约有20%～30%的保险赔款涉嫌欺诈，造成的损失高达约800亿美元。而反保险欺诈联盟(CAIF)与全球人工智能和数据分析领导者SAS与最新的研究显示，2021年80%的保险公司采用了预测分析模型和数字身份识别技术来检测欺诈行为，远高于2018年的55%。

数据分析和AI技术，助力提高反欺诈效率并降低成本

诈骗集团不断使用新兴技术对金融机构进行大规模的“欺诈攻击”，因此采用先进的反欺诈数据分析系统也成为了必不可少的主动防御方式。事实证明，基于大数据、云计算、生物识别和人工智能等科技的反欺诈系统能够有效对欺诈和洗钱行为作出侦测，提高反欺诈反洗钱响应和预防的准确性、高效性和及时性，并降低人工运营的时间和经济成本。

当前，SAS、微软、IBM、蚂蚁集团、腾讯安全、京东金融等前沿科技公司采用的主要反欺诈反洗钱技术是制裁名单筛查、合成身份检测、支付安全、加密技术等。

SAS金融犯罪与合规总监David Stewart表示：“SAS公司的反欺诈分析引擎能够在机器学习(ML)、强化学习(RL)、自然语言处理(NLP)等AI技术的支持下，结合生物识别和图片分析工具，对企业内部和外部的大量数据，如制裁名单、欺诈观察名单、社交媒体数据等，进行快速的文本挖掘和预测建模，并通过危险信号自动标记和异常报告等方法帮助企业及时阻止欺诈。”

三大欺诈防御策略，助力金融机构抵御新型犯罪威胁

具体而言，面对层出不穷的欺诈和洗钱威胁，银行和保险金融机构、以及电子商务平台可以通过三大关键策略来有效降低风险：

1. 改变交易侦测机制：

将交易侦测机制从事后调查改为事前阻拦。例如，在信用卡交易授权前，如果发现异常交易情况就拒绝授权，或者立刻通知客户确认是否正常交易。该机制已经成为了不少金融机构的标配，如秘鲁领先的数字支付技术提供商Niubiz部署了SAS公司的欺诈管理平台，以增强反欺诈能力并实时做出支付决策，而欧洲支付和交易服务商源讯Worldline则与微软合作，将Dynamics 365欺诈保护集成到其数字商务支付产品中。

2. 扩大监控落实联防

在处理可疑交易时，从单笔交易拓展至整个关联交易网络，以获取更全面的信息，对可疑交易进行360度的、可视化的犯罪调查，并落实联防机制。例如，贷款与租购公司CNG为其租购业务品牌SmartPay采用了部署在微软Azure上的SAS®身份认证360，来防范和打击第三方和合成身份欺诈。SAS帮助CNG汇总了七个不同来源的数据，使第三方欺诈在90天内下降了80%以上，并使欺诈管理成本降低了30%以上。

3. 善用基于AI的自动化分析

如前所述，利用AI和机器学习技术，金融机构能够提高对新型欺诈活动的侦查能力，并相应地调整防范措施。例如，澳大利亚银行Greater Bank采用了SAS公司强大的、基于云的欺诈侦测防范和反洗钱解决方案，对各个IT系统进行改造，以符合组织内部和监管机构的反欺诈和反洗钱规定，从而更好地保护其27万多客户。

电影和新闻揭露的只是冰山一角，更多潜在的风险在我们看不见的地方蔓延。值得庆幸的是，在数据分析和人工智能等科技的支持下，我们离诈骗越来越难以成功的世界并不遥远。让我们善用科技的力量，共同创造一个没有诈骗的未来。