德勤意大利如何使用量子机器学习和 Amazon Braket 构建数字支付欺诈检测解决方案

随着数字商务的扩展，欺诈检测已成为保护参与在线交易的企业和消费者的关键。实施机器学习 (ML) 算法可以实时分析大量交易数据，以快速识别欺诈活动。这种先进的功能有助于降低金融风险并在不断扩大的数字市场中保护客户隐私。

Deloitte 是一家战略性全球系统集成商，在全球拥有 19,000 多名经过认证的 AWS 从业人员。它通过参与 AWS 能力计划继续提高标准，拥有 29 项能力，包括机器学习。

29 项能力，包括机器学习

这篇文章展示了量子计算算法与 ML 模型相结合，在数字支付平台内彻底改变欺诈检测的潜力。我们分享了 Deloitte 如何使用 Amazon Braket 构建混合量子神经网络解决方案，以展示这项新兴技术可能带来的收益。

Amazon Braket

量子计算的前景

量子计算机具有彻底改革金融系统的潜力，能够提供更快、更精确的解决方案。与传统计算机相比，量子计算机有望在长期内具有模拟、优化和机器学习领域的优势。量子计算机能否为机器学习提供有意义的加速是一个活跃的研究课题。

尽管前景广阔，但这项技术的潜在颠覆性意味着金融机构正在寻求通过建立内部量子研究团队、扩展其现有的机器学习 COE 以包括量子计算或与德勤等合作伙伴合作，在该技术中抢占先机。

IonQ OQC Quera Rigetti IQM Amazon Simple Storage Service AWS Identity and Access Management

解决方案概述

Keras PennyLane

工作流程包括以下推理 (A–F) 和训练 (G–I) 的关键组件：

提取 Amazon Kinesis Data Streams