美國運通採用 NVIDIA 的人工智慧技術，以遏止詐欺與打擊網路犯罪

網路安全性漏洞氾濫，金融詐騙的案件也層出不窮。

根據 McAfee 公司在2018年所做出的一項估算數據，網路犯罪案件每年造成全球經濟損失達六千億美元，佔全球 GDP 的 0.8%。而管理顧問公司 Accenture 則是預測到 2024 年，網路攻擊案件可能會讓全球企業損失 5.2 兆美元。

信用卡與金融卡是網路攻擊案件的主要目標。每年處理超過八十億筆網路交易的美國運通（American Express），正在使用於 NVIDIA GPU運算平台上執行的深度學習模型來偵測及打擊網路詐欺活動。

NVIDIA 執行長黃仁勳週一在 GPU 技術大會上宣佈，美國運通現已部署使用 NVIDIA TensorRT 進行最佳化調整，且在 NVIDIA Triton 推論伺服器上運行的多款深度學習模型，以協助偵測網路詐欺活動。

NVIDIA TensorRT 是一款高效能的深度學習推論最佳化工具及運轉時間，能夠將延遲情況降至最低及最大幅度地提高處理量。

NVIDIA Triton 推論伺服器軟體則是簡化了大規模部署模型的作業，並且可當成微型服務，讓應用程式能夠在資料中心的正式生產環境中使用人工智慧模型。

「我們的詐欺偵測演算法即時監控全球每一筆美國運通的交易紀錄，每年這些交易的消費金額加總起來超過1.2兆美元，在幾毫秒內就能判斷出是否出現詐欺活動。」美國運通機器學習與資料科學研究部門副總裁 Manish Gupta 說。

網購爆買潮

從新冠肺炎疫情爆發以來，網購數量激增。在 Adobe 的數位經濟指數報告中指出光是在美國，四月份的網購數量便較三月初成長了 49%。

這意味著人們減少使用現金進行交易，更多人改為使用虛擬數位貨幣。在虛擬數位貨幣使用量大增的情況下，人們紛紛掏出金融卡和信用卡，如此一來便出現更多的詐欺行為。

追蹤全球支付業資訊的《尼爾森報告》（The Nilson Report）出版人 David Robertson 表示：「相較於 2017 年，2018 年的金融卡和信用卡詐欺案件讓犯罪分子淨賺了 38.8 億美元。」

《尼爾森報告》表示擁有超過 1.15 億張活躍使用信用卡的美國運通，已經連續十三年保持業內最低的詐欺率。

「獲得卡友及商家的支持是我們的首要任務，不斷降低詐欺率是達到此一目標的關鍵。」Gupta 說。

使用 GPU 運算技術來偵測異常情況

隨著線上交易的興起與金融業者紛紛加強安全措施，詐欺者正在發動更為複雜的攻擊。

異常消費模式是當中一個較為容易監控的領域。一張卡片上出現稱為「模式外」的此類交易，像是可能顯示五分鐘前在舊金山買了一杯咖啡，五分鐘後又在洛杉磯買了一桶汽油。

使用遞歸神經網路（RNNs）對這類異常交易行為標上紅旗，遞歸神經網路尤為擅長猜測一連串資料中的後續內容。

美國運通已經部署了長短期記憶網路（LSTMs），可以提升遞歸神經網路的執行表現。

此舉代表拉近在延遲性和準確度兩方面的差距，美國運通在這兩方面有著極為突出的表現。美國運通的團隊使用 NVIDIA DGX 系統搭配 TensorFlow，在成堆的結構化和非結構化資料上加快建構及訓練這些 LSTM 模型的速度。

處理速度是 CPU 的 50 倍

近期發表之經 TensorRT 最佳化後的 LSTM 網路，輔助系統即時分析每天數千萬筆交易資料。現在使用 NVIDIA T4 GPU 來運行的 NVIDIA Triton 推論伺服器已部署這個 LSTM 神經網路，在瞬間便能獲得推論結果。

結果：美國運通能夠執行這個增強後的即時詐欺活動偵測系統，以提高準確性。它的運行延遲性要求為嚴格的兩毫秒，與無法達到目標的 CPU 系統相比，這個新系統的表現高出了五十倍。

這間金融服務巨頭的 GPU 加速 LSTM 深度神經網路，以及其長期以來用於迴歸和分類的梯度提升機器學習（Gradient Boosting Machine, GBM）模型，在特定的市場區隔中將偵測詐欺活動的準確率提高了 6%。

準確度十分重要。美國運通表示拒絕客戶合法交易的誤報事件，會讓卡友及商家感到不快。

「特別是在這種環境下，客戶現在更需要我們，我們要用最高水準的詐欺保護和服務來支持他們。」Gupta 說。

現在可以在 GTC 上進行數百場現場直播和點播演講，還為時不晚。 立即使用促銷代碼 CMB4KN 註冊，直到 10 月 9 日，即可享受 20％ 的折扣。