根据 Truecaller Insights US Spam & Spam 的数据，超过 5900 万美国人表示，在过去 12 个月内，他们因电话诈骗而蒙受损失，平均损失达 502 美元。 诈骗报告。
“欺诈是电信行业的一个主要考虑因素，”人工智能解决方案提供商 Amdocs cVidya 首席技术官 Gadi Solotorevsky 博士表示。 “如今，每年全球收入中有近 2% 或超过 1.5 万亿美元因欺诈行为而损失。 整个行业的总损失令人震惊。”
Solotorevsky 引用了通信欺诈控制协会 (CFCA) 2019 年的一项调查，该调查发现，三分之二的受访者经历了欺诈活动的增加。
“我们遇到的主要是支付和订阅欺诈、身份盗窃/冒充、帐户接管、内部威胁和 SIM 卡互换，”Solotorevsky 说。 “我们仍然会遇到传统的基于使用的欺诈场景，例如 PBX 或 IP-PBX 黑客攻击、回拨方案以及滥用薄弱网络和设备。”
在过去的实践中，电信行业都是手动处理欺诈投诉。 不幸的是，在识别欺诈模式之前，人工调查欺诈需要花费相当多的时间。 到那时，损害已经造成了。
人工智能 (AI) 提供了一种新的欺诈检测方法，不仅可以缩短发现时间，还可以限制欺诈损失的范围。
由于人工智能使用机器学习 (ML)，因此可以更轻松地识别已知欺诈模式的变化。 借助机器学习，人工智能欺诈检测模型可以适应并创建新的欺诈检测规则，从而减少欺诈和金钱损失的风险。
“人工智能的适应性至关重要，因为欺诈模式一直在变化，”索洛托列夫斯基说。 “它们会改变，因为一旦欺诈者发现他们的方法和策略被发现，他们就会改变它们…… 通过应用自适应人工智能和机器学习，公司能够快速检测并适应这些不断变化的欺诈方案。”
人工智能的工作原理是自动生成可调学习模型，评估过去欺诈预测的结果。 然后，这些学习模型会不断自我改进以提高准确性。
“机器学习还广泛用于创建预测未来欺诈模型，”索洛托列夫斯基说。 “例如，如果零售商可以在销售点预测想要购买智能手机的新客户进行欺诈的倾向，则可以采取额外的预防措施，例如对客户进行额外的身份检查。”
加拿大贝尔公司在人工智能方面的成功就是一个例子。
“在 TM Forum 和 Amdocs 进行的一项案例研究中，加拿大贝尔公司在大部分欺诈行为中发现欺诈损失的时间缩短了 150%，识别新欺诈方案所需的时间缩短了 200% ，”索洛托列夫斯基说。
实施人工智能
然而，尽管人工智能具有打击欺诈的潜力，但组织转向人工智能并不容易。
索洛托列夫斯基说：“组织必须意识到，实施人工智能不仅是人类的变革，也是技术的变革。”
因此，人工智能实施计划的一部分应该是差距分析，以确定组织中在引入人工智能之前必须首先解决的劳动力和工作流程漏洞。 通常，这些差距表现为员工不具备与人工智能一起工作的正确技能。 最终目标应该是让员工与人工智能一起有效地工作，这应该是人工智能项目的重点。
与此同时，我们可以期待人工智能的改进，使打击欺诈行为更加有效。
“下一个前沿领域是创建一种人工智能，能够在欺诈者尝试之前预测下一个欺诈计划，”索洛托列夫斯基说。 “这听起来像科幻小说，但我们正在朝这个方向努力，创造新的算法和方法，在未来几年里就能做到这一点…… 这就是为什么人工智能将在未来发挥关键作用。”
