雖然人工智能(機器學習)模型之前已用于欺詐管理和反洗錢(FRAML)，但生成式人工智能為FRAML計劃帶來了顯著的新好處，包括改善客戶體驗，欺詐管理準確性和運營效率。當涉及到生成式和欺詐管理時，這里有一些關鍵點需要記住。在即將于12月舉行的安全與風險峰會上，作為身份與欺詐專題的一部分，以下將詳細探討這個話題。

1.你必須為使用生成式人工智能辯護，因為欺詐者使用生成式人工智能進行欺詐。欺詐者使用生成式人工智能來制作完整的假駕照和國民身份證圖像。他們還可以將現(xiàn)場視頻和音頻實時粘貼到受害者的合法音頻和視頻上。用于生成深度偽造的服務，例如Dall-E、Eleven Labs和Synthesia，正迅速變得更便宜，更容易為任何人使用。

2.深度假防御還處于萌芽階段，依賴于生成式人工智能，但它們正變得越來越強大。深度假防御是多層的。它們包括頻譜視頻分析，視頻偽影分析，虛假和/或重復視頻背景檢測。良好的深度偽造檢測工具還可以確保良好的設備安全態(tài)勢和衛(wèi)生，例如檢測和阻止越獄或根植設備，以及確保設備上視頻和音頻抓取的完整性和真實性。行為生物識別檢測(理解鼠標運動、打字模式、觸摸屏手勢、環(huán)境光傳感器數(shù)據(jù)、設備加速度計數(shù)據(jù)以及其他用戶和設備活動屬性)使用生成式人工智能來預測攻擊模式，這對于檢測深度偽造至關重要。大多數(shù)面部生物識別、物理身份證件驗證和語音生物識別供應商都在努力將上述技術嵌入到他們的核心技術堆棧中，以提供針對深度偽造的綜合保護。

3.生成式人工智能自動化欺詐風險評分模型管理。生成式人工智能最大的好處之一是它能夠根據(jù)過去的交易、調(diào)查人員的決定和聯(lián)盟數(shù)據(jù)等數(shù)據(jù)為風險評分模型生成規(guī)則建議。機器學習模型也受益于生成式人工智能:數(shù)據(jù)科學家可以使用生成對抗網(wǎng)絡)將生成式人工智能與操作風險評分機器學習模型相對抗，并創(chuàng)建合成欺詐活動，從而將防御性調(diào)整構建到風險評分模型中。這種自動化降低了模型開發(fā)的總體成本，并允許人類數(shù)據(jù)科學家專注于更有創(chuàng)造性的活動，如模型選擇和發(fā)現(xiàn)新的人工智能和機器學習算法。

4.現(xiàn)代了解客戶(KYC)流程建立在生成式人工智能之上。KYC就是在監(jiān)視列表上查找實體(姓名、地址等);發(fā)現(xiàn)實體之間的關系;將這些發(fā)現(xiàn)的關系轉(zhuǎn)化為實體風險評分;并預測新交易的風險分數(shù)。使用大語言和交易模型，生成式人工智能提供了控制列表(OFAC)，負面媒體和政治暴露人員(PEP)列表的自然語言處理，以過濾掉紅色鯡魚。生成式人工智能還可以為新手調(diào)查員提供副駕駛功能，并提供簡單的監(jiān)管和操作報告生成。

5.生成式人工智能在欺詐管理和反洗錢(AML)方面提供協(xié)同商業(yè)價值。欺詐管理和反洗錢專業(yè)人員一直在努力解決以下問題:1)由賬戶數(shù)據(jù)變化觸發(fā)的持續(xù)KYC或KYC檢查;2)改進無停機風險評分模型;3)降低調(diào)查和合規(guī)報告的成本。生成式人工智能承諾幫助金融機構用更少的錢做更多的事。生成式人工智能在企業(yè)欺詐管理(EFM)/反洗錢領域的關鍵業(yè)務價值領域包括:

?改善風險評分效率，降低人工成本。

?改善誤報識別。

?更好的模型和調(diào)查效率的提高，導致更低的罰款。

?加強對(生成式生成的)深度偽造的防護。

6.在EFM和AML中使用生成式人工智能仍然會帶來風險。當然，在EFM和AML中使用生生成式人工智能存在一些風險和缺點。它們包括以下內(nèi)容:

?生成式人工智能模型的治理比傳統(tǒng)人工智能更難。

?由于版權侵權訴訟懸而未決，生成式人工智能的可解釋性尚不清楚。

?生成式的概率性阻礙了可重復性，并可能導致幻覺。

?IP和隱私保護難以執(zhí)行。

以上這6點可以幫助人們更好地理解生成式人工智能在欺詐管理策略中的應用。要了解它們?nèi)绾芜m用于特定組織或業(yè)務。