唯一不变的，只有变化

目前，数字服务中最重要的应用集中在网络安全与欺诈检测层面，这部分市场的总价值已经超过300亿美元。预计到2030年左右，市场总值有望超过1000亿美元。虽然Amazon Fraud Detector及PayPal Fraud Management Filters等工具已经在抗击网络欺诈方面发挥作用，但欺诈检测中唯一不变的只有变化本身。企业需要不断为新的欺诈行为做好准备，而欺诈一方也在努力“创新”保证自己的攻击能力。

每种新型欺诈往往都包含前所未有的数据模式。例如，新用户在注册与交易时往往对应AI系统未曾见过的邮政编码。虽然新用户可能来自四面八方，但如果注册地真的特别生僻，我们最好提高警惕。

这类计算中最困难的部分，是让AI模型准确辨别欺诈交易与正常交易。作为数据科学家，我们需要先引导底层算法初步理解正常交易与欺诈交易的特征，之后再由它慢慢探索更多欺诈检测途径。后续学习，离不开由统计技术搜索到的大量数据。用户可以剖析客户群体，确定普通客户与欺诈者之间的区别;之后提取出有助于进行准确分类的信息，具体涵盖注册信息、交易内容、客户年龄、收入水平、姓名等等。需要注意的是，将正常交易标记为欺诈行为，对客户体验及产品声誉造成的损害往往比欺诈本身更大。

更“有趣”的一点在于，EDA是个需要在整个产品生命周期内不断重复的过程。新的欺诈活动，必然对应着新的数据模式。最终，企业需要投入大量时间与精力推进EDA，借此保持最佳欺诈检测能力以维持AI与ML管道的正常运作。

总之，AI与ML的成功源自对数据的深刻理解，而非大量算法的盲目堆叠。

AI与ML管道应该适应数据，而不要指望数据能适应用户的现有管道。只有满足这些条件，AI与ML支撑起的新业务才有望勇猛精进、一路向前。

（编辑：漯河站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!