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。
發表迴響