全新 NVIDIA AI 工作流程可偵測信用卡交易詐欺活動

預計到 2026 年時，全球因信用卡交易詐欺活動造成的財務損失將高達 430 億美元。

在Amazon Web Services（AWS）上運行、用於偵測詐欺活動的全新 NVIDIA 人工智慧（AI）工作流程，將有助於打擊如瘟疫般迅速蔓延的詐欺，利用加速資料處理技術和先進演算法，提高 AI 偵測和防止信用卡交易詐欺活動的能力。

這個工作流程本週在Money20/20 金融科技大會上推出，使得金融機構可以根據使用者行為，識別交易資料中不易察覺的行為模式和異常情況，與傳統方法相比，可提高準確性及減少誤報。

使用者可以利用 NVIDIA AI Enterprise軟體平台與 NVIDIA GPU 執行個體，把偵測詐欺活動的工作流程從使用傳統運算技術改為加速運算技術的過程變得更簡單。

採用全面性機器學習工具和策略的企業，在偵測詐欺活動準確度方面估計可提高 40%，讓企業更有能力加快發現和阻止詐欺人士，並減少傷害。

因此，美國運通（AmericanExpress）和第一資本（Capital One）等領先金融機構一直在使用 AI 來建立專屬的解決方案，以減少詐欺活動和給予客戶更安全的保障。

全新的 NVIDIA 工作流程可加快資料處理、模型訓練與推論速度，並且展示在 NVIDIA AI 的支援下，如何將這些元件包裝成單一化且易於使用的軟體產品。

目前該工作流程已針對信用卡交易詐欺活動進行最佳化，並可以適用於新帳戶詐欺、帳戶接管和洗錢等案例。

隨著 AI 模型的規模、複雜性和多樣性不斷擴大，包括金融服務業在內各產業的組織比起過去任何時候，都更需要利用性價比高且節能的運算能力。

傳統的資料科學管道缺乏必要的運算加速能力，無法在整個產業損失快速增加的情況下，處理有效打擊詐欺行為所需的大量資料。利用NVIDIA RAPIDS Accelerator for Apache Spark，可以幫助支付端公司縮短處理資料的時間，以及節省處理資料的成本。

為有效管理大規模資料集，並透過複雜的 AI 模型提供即時 AI 效能，金融機構開始轉向使用 NVIDIA 的 AI 與加速運算平台。

長久以來，使用一種名為梯度提升決策樹（gradient-boosteddecision tree）的機器學習演算法並利用 XGBoost 等程式庫，一直都是偵測詐欺活動的標準。

用於偵測詐欺活動的全新 NVIDIA AI 工作流程使用 NVIDIA RAPIDS 套裝 AI 函式庫提高 XGBoost 的能力，並且將圖形神經網路（GNN）嵌入作為附加功能，以協助降低誤判情況。

GNN 嵌入的資料會被送至XGBoost用於建立和訓練模型，該模型隨後可與NVIDIA Morpheus Runtime Core函式庫及NVIDIA Triton推論伺服器進行協調，以即時進行推論。

NVIDIAMorpheus架構能夠以安全方式檢查所有傳入的資料並對其進行分類，以模式標記資料和標示潛在的可疑活動。NVIDIA Triton 推論伺服器可以簡化生產環境裡各類AI 模型部署的推論活動，同時最佳化輸送量、延遲情況與使用率。

NVIDIA Morpheus、RAPIDS及Triton 推論伺服器可透過 NVIDIA AI Enterprise 使用。

在許多北美大型金融機構報告線上或行動裝置詐欺造成的財務損失持續增加之際，AI 正協助對抗這樣的趨勢。

美國運通早在 2010 年就開始使用 AI 來打擊詐欺活動，利用詐欺偵測演算法即時監控全球所有客戶交易，在短短幾毫秒內便能判斷出詐欺活動。美國運通運用其中採用NVIDIA AI 平台的先進演算法組合來提高模型的準確性，提供公司更善於打擊詐欺的能力。

歐洲數位銀行 bunq 使用生成式AI 與大型語言模型來協助偵測詐欺與洗錢行為。透過NVIDIA 加速運算技術，該公司 AI 驅動交易監控系統的模型訓練速度提升了近100 倍。

紐約梅隆銀行（BNY）在三月宣布成為第一家部署搭載 DGX H100 系統 的 NVIDIA DGXSuperPOD的大型銀行，這將有助於建立支援偵測詐欺活動及其他使用案例的解決方案。

現在系統整合商、軟體供應商與雲端服務供應商都能整合全新用於詐欺偵測的 NVIDIA AI 工作流程，以強化其金融服務應用，並協助確保客戶的資金、身分與數位帳戶更加安全。