Loading...
机构名称:
¥ 1.0

随着经济犯罪的规模和复杂性不断增加,银行需要不断增强其欺诈检测工具以跟上步伐。目前,PSP 使用的许多欺诈检测系统仍然依赖于相当静态和反应性的规则集。就其本质而言,ML 算法会从新信息中迭代学习,因此可以帮助识别不断发展的欺诈模式并随着时间的推移提高其准确性。但是,大多数 PSP 目前不允许自动更新其欺诈系统,而是依靠不频繁的人为操作来验证和采用 AI 识别的规则集更改。许多欺诈系统还根据某些高级属性将客户分组为大群体。通过将每个客户的交易与其群体的“正常”行为(而不是该客户的个人特征)进行比较来识别异常。这些限制会降低欺诈检测系统的有效性,增加误报(允许进行欺诈交易)和误报(错误拒绝交易)的可能性,这两者都可能给企业带来巨大的成本。

支付中的人工智能

支付中的人工智能PDF文件第1页

支付中的人工智能PDF文件第2页

支付中的人工智能PDF文件第3页

支付中的人工智能PDF文件第4页

支付中的人工智能PDF文件第5页

相关文件推荐

2021 年
¥1.0
2021 年
¥1.0
2022 年
¥8.0
2022 年
¥1.0
2022 年
¥1.0
2021 年
¥1.0
2022 年
¥1.0
2022 年
¥5.0
2022 年
¥1.0
2022 年
¥1.0
2022 年
¥1.0
2024 年
¥1.0
2024 年
¥6.0
2024 年
¥5.0
2022 年
¥6.0
2020 年
¥5.0
2021 年
¥1.0
2024 年
¥12.0
2024 年
¥2.0
2023 年
¥1.0
2025 年
¥1.0