倫敦、亞特蘭大和新加坡--(BUSINESS WIRE)--(美國商業資訊)--Featurespace今天針對卡和支付行業推出自動化深度行為網路(Automated Deep Behavioral Networks)。該網路能夠建立更深一層的防禦，保護消費者免遭詐騙、帳戶盜用、卡和支付詐欺等非法行為的侵害。2020年，上述詐欺行為共造成約420億美元的損失。
Featurespace創辦人Dave Excell表示：「這項開發的意義不僅僅在於能夠打擊企業金融犯罪，而且它是真正意義上的新一代機器學習技術。」
重大發明
這項發明是深度學習技術的一次突破，它需要用一種全新的方式來設計和構造機器學習平臺。自動化深度行為網路是一種根據循環神經網路的新架構，目前只有透過最新版本的ARIC™ Risk Hub才能使用。
挑戰與發現
深度學習技術的應用範圍很廣，例如在自然語言處理中用於預測句子中的下一個單字，但在防止卡詐欺和支付詐欺的偵測中，這項技術的使用還未得到最佳化，因此尚無法為企業和消費者提供卡或支付詐欺保護。隨著該發明的問世，這一棘手的難題也迎刃而解。
由於交易具有間歇性，因此從交易環境這個層面來理解時間是預測行為的關鍵。過去，為防止詐欺建立有效的機器學習模型，要求資料科學家具備極為深厚的專業知識，才能識別和挑選出合適的資料特徵，這一步費時費力，但又相當重要。
在此背景下，Featurespace研究團隊開發出自動化深度行為網路，以自動發現資料特徵，並引進能夠在在交易流程中自然地理解時間意義的記憶單元，同時也讓該公司市場領先的自我調整行為分析技術實現了性能提升。在受害者的資金從帳戶裡流出之前就偵測出欺詐行為，就是針對騙局、帳戶盜用、卡和支付詐欺等攻擊建立起最強大的一道防線。自動化深度行為網路將惠及以下不同群體，包括：
消費者：
- 確保交易的真實性，減少驗證操作；
- 在受害者的資金從帳戶裡流出之前就自動發現騙局、帳戶盜用、卡和支付詐欺等攻擊。
資料科學家：
- 自動發現交易事件的特徵；
- 讓機器學習邏輯貫穿整個模型堆疊；
- 利用人類活動的無規律性來識別異常行為；
- 保留Featurespace的自我調整行為分析技術的所有發現。
卡和支付行業：
- 增強所有交易的風險評分確定性（加大交易過程中的詐欺偵測力道、更準確地識別真實交易，以方便受理更多交易）；
- 改善所有支付類型的績效，包括卡和ACH/BACS轉帳、電匯和P2P，加快支付完成的速度；
- 加強對金額大、數量少的詐欺行為的偵測（以及對金額小、數量多的詐欺的偵測）；
- 減少進階認證的操作；
- 提供嚴格的模型治理文件，以及可解釋的邏輯、公正的決策和原因代碼；
- 即使在高峰時間，也可以為提供關鍵業務服務的企業確保穩定的即時評分，且處理量大、延遲低、回應速度快。
Excell還表示：「由於即時支付、數位化轉型和滿足消費者的需求都需要資金能夠快速流動。我們的角色就是確保該行業能憑藉一流的工具來保護企業和消費者免受金融犯罪的侵害。我為我們的研究團隊以及他們從客戶的利益出發，為打造創新型機器學習技術而付出的巨大努力和取得的出色成果而深感自豪。」
關於Featurespace – www.featurespace.com
Featurespace™在防止詐欺和反洗錢的企業財務犯罪預防方面處於世界領先地位。Featurespace發明了自我調整行為分析(Adaptive Behavioral Analytics)和自動化深度行為網路(Automated Deep Behavioral Networks)，這兩款工具都可以6z.1過ARIC™平臺來使用。ARIC™平臺是一款即時機器學習軟體，可以對180多個國家的事件進行風險評分，以預防詐欺和金融犯罪。
ARIC™ Risk Hub使用先進、可解釋的異常偵測功能，使金融機構能夠自動識別風險、捕獲新的詐欺攻擊並即時識別可疑活動。30多家全球主要金融機構正在使用ARIC保護其業務和客戶。公開宣布的使用客戶包括滙豐銀行、TSYS、Worldpay、NatWest Group、Contis、Danske Bank、ClearBank、AK Bank和Permanent TSB。
免責聲明：本公告之原文版本乃官方授權版本。譯文僅供方便瞭解之用，煩請參照原文，原文版本乃唯一具法律效力之版本。
