视觉中国
在近日结束的“黑色星期五”抢购大战中，你用信用卡在境外网站为自己买下一个心仪已久的包。
几秒后，信用卡开户银行给你打来电话。“刚刚您的信用卡有一笔××美元的消费，请问是您本人吗？”
你可能觉得贴心，也可能感到不耐烦。此时，起作用的就是银行的反欺诈监测系统。更多时候，它进行事后确认。
但在一些金融机构，你的账户安全正在由机器守护，它更加敏锐。此时，你可能会接到这样的电话：“刚刚，有人试图盗刷您的信用卡，请您注意账户安全。”
一切在你未察觉时就已被终止。
特征总结高手，兼顾效率和准确率
“欺诈和反欺诈的攻防战是长期存在的，有猫就会有老鼠。”智能金融企业腾梭智能首席风控官郭曦表示，欺诈是一个长期存在的黑色产业链，也是金融行业一直为之头疼的问题。
对业务交易阶段的欺诈风险，金融机构通常采取的方法是设置专家规则。专家规则主要针对新发生的、共性明显、风险特征突出的欺诈行为进行拦截。专家规则不依赖于长期历史数据，更多依靠专家经验指导。
无论是专家规则，还是现在人工智能企业采用的机器学习，都是要识别特征，总结规律。比如说，盗用账户的人可能会大量使用不同的账号和密码组合来尝试登录，那么，同一台设备短期内登录过多账号就会被定义为一种异常行为，这就成了金融机构反欺诈系统中的一条规则。
“如果使用传统反欺诈手段，这些规则很容易被绕过去，毕竟人能处理的信息有限。”郭曦说。
现在摆在你面前的是成堆的欺诈事件，每个事件又关联着它发生的时间、地点和用户行为。你可以手动分析，但也可以将这些数据交给机器。毕竟，人工智能是特征总结的高手,效率和准确率兼顾。
