抽象的金融欺诈对全球金融系统的稳定性和完整性构成了重大威胁。本文探讨了机器学习（ML）算法的潜力，以实时增强对财务欺诈的检测和预防。我们采用了一种定量研究方法，利用了应用于五年内跨国公司的交易数据的监督和无监督的ML技术的组合。所测试的关键算法包括随机森林，支持向量机和神经网络，以及诸如隔离森林和自动编码器等异常检测方法。我们的发现表明，ML算法可以有效地识别表示欺诈活动的模式和异常，神经网络证明检测的准确性最高。该研究还发现，使用这些算法对交易进行实时处理可显着减少检测时间，