至顶网CIO与应用频道 12月05日 北京消息:Teradata天睿公司(Teradata Corporation,纽交所:TDC)宣布,北欧领先的金融服务机构丹斯克银行(Danske Bank)与Teradata子公司Think Big Analytics联手打造并推出目前最先进的人工智能(AI)欺诈监测平台。该平台预计在投入运营一年内就能实现100%的投资回报率(ROI)。
该平台引擎使用机器学习技术,可分析数万个潜在特征(latent feature),对数百万次银行在线交易进行实时评分,为监测判别正确、错误和欺诈活动提供可作为判别依据的洞察。通过大幅缩减误判(false-positive)的调查成本,全面提升银行效率并有助于大幅缩减各项成本。
丹斯克银行高级分析总监Nadeem Gulzar表示:“应用欺诈是银行最重要也是最头疼的问题。有证据显示,犯罪手段日趋高明,罪犯运用复杂的机器学习技术进行攻击。因此,只有使用机器学习等高级技术才能抓住他们。随着银行业逐步实现数字化,移动银行应用日渐流行,我们很清楚欺诈行为将很可能在近期及更长远的未来愈演愈烈。我们意识到不能只固守当下,更要着眼未来情况,使用尖端技术预防欺诈犯罪。运用AI技术,我们已将误判率降低50%,并由此将欺诈监测部门一半人员重新安排负责更重要的工作。”
丹斯克银行原来的欺诈监测系统在很大程度上依靠手动添加规则,银行在很久以来一直主动应用这些规则。随着误判记录数量不断增长,甚至经常达到整个交易量的99.5%,使调查相关成本与时间显著增长,银行庞大的欺诈监测团队任务过重,无法实现高效运作。
Teradata子公司Think Big Analytics咨询团队从2016年秋季开始与丹斯克银行合作,依托数据应用专业知识,补强银行高级分析团队的技术能力,为更广泛业务创造更大收益。双方团队在银行现有基础设施内搭建框架,并创建高级机器学习模型,监测每年数百万次交易中的欺诈行为,高峰时段每分钟可监测多达数十万次交易。为确保监测过程透明性,并增强信任,监测引擎在机器学习模型上加入解释层,提供监测阻止活动的释义与解释。
从建模角度上看,欺诈案例仍占很小比例,大约每10万次交易才发生一次欺诈行为。双方团队成功从模型中发现误判结果,并将误判率降低50%。与此同时,双方团队还能够监测更多欺诈行为,将监测成功率实际提升约60%。丹斯克银行率先在反欺诈项目中应用机器学习技术,同时开发深度学习模型测试这些技术。
Think Big Analytics客户服务总监Mads Ingwar表示:“所有银行都需要具备可扩展性的高级分析平台,并为实现数字化制定路线图与战略规划,在银行中推崇数据科学。银行需针对在线交易、信用卡和移动支付打造一套实时解决方案,我们与丹斯克银行合作开发出最先进的人工智能欺诈监测平台,300毫秒内就能完成新交易评分。这意味着,顾客在超市购物时,系统就能够实时对交易评分,并立即提供可作为监测依据的洞察。这类解决方案预计将会在金融服务业所有机构不断普及。”
好文章,需要你的鼓励
随着数字化时代的到来,网络安全威胁呈指数级增长。勒索软件、AI驱动的网络攻击和物联网设备漏洞成为主要威胁。企业需要建立全面的风险管理策略,包括风险评估、安全措施实施和持续监控。新兴技术如人工智能、区块链和量子计算为网络安全带来新机遇。组织应重视员工培训、供应链安全、数据治理和事件响应能力建设。
滑铁卢大学研究团队开发出ScholarCopilot,一个革命性的AI学术写作助手。该系统突破传统"先检索后生成"模式,实现写作过程中的动态文献检索和精确引用。基于50万篇arXiv论文训练,引用准确率达40.1%,大幅超越现有方法。在人类专家评估中,引用质量获100%好评,整体表现优于ChatGPT。这项创新为AI辅助学术写作开辟新道路。
AWS Amazon Bedrock负责人Atul Deo正致力于让人工智能软件变得更便宜和更智能。他在12月re:Invent大会前只有六个月时间来证明这一目标的可行性。Deo表示AI领域发展速度前所未有,模型每几周就会改进,但客户只有在经济效益合理时才会部署。为此,AWS推出了提示缓存、智能路由、批处理模式等功能来降低推理成本,同时开发能执行多步骤任务的自主代理软件,将AI应用从聊天机器人转向实际业务流程自动化。
哥伦比亚大学研究团队发布NodeRAG技术,通过异构图结构革新智能问答系统。该方法将文档信息分解为7种节点类型,采用双重搜索机制,在多个权威测试中准确率达89.5%,检索效率提升50%以上,为智能信息检索技术带来重大突破。