盜刷信用卡風(fēng)險(xiǎn)已經(jīng)成為困擾全球銀行信用卡部門的難題之一。僅以美國(guó)為例，美聯(lián)儲(chǔ)的支付調(diào)查報(bào)道顯示，2012年全美信用卡支付總金額達(dá)到260億美元，這其中未經(jīng)授權(quán)的信用卡支付，也就是盜刷信用卡的金額高達(dá)61億美元。

對(duì)銀行而言，衡量信用卡交易的風(fēng)險(xiǎn)非常困難。要實(shí)現(xiàn)這個(gè)目標(biāo)必須快速確定哪些交易是合法授權(quán)，哪些交易是盜刷的。那么這些工作又是如何實(shí)現(xiàn)的呢？

站在消費(fèi)者的立場(chǎng)來看，檢測(cè)信用卡盜刷的過程似乎很“神奇”，這種檢測(cè)幾乎是瞬時(shí)發(fā)生的，背后涉及到一系列復(fù)雜的技術(shù)，從金融到經(jīng)濟(jì)到法律再到信息科學(xué)。當(dāng)然，有些信用卡盜刷的檢測(cè)很簡(jiǎn)單，比如，當(dāng)機(jī)器發(fā)現(xiàn)信用卡刷卡地的郵編與發(fā)卡地的郵編不符時(shí)會(huì)發(fā)出警告。

傳統(tǒng)的信用卡檢測(cè)需要大量人力參與到海量數(shù)據(jù)的分析判斷上，算法只會(huì)對(duì)一筆交易發(fā)出警告，最后人類審核員會(huì)打電話確認(rèn)這筆交易是否涉嫌信用卡盜刷?，F(xiàn)在，由于交易量激增，各大銀行的信用卡部門開始依靠大數(shù)據(jù)，并通過機(jī)器學(xué)習(xí)和云計(jì)算的方法快速甄別未經(jīng)授權(quán)的信用卡交易。

用于信用卡檢測(cè)的機(jī)器學(xué)習(xí)算法首先將被海量正常的交易數(shù)據(jù)和持卡人數(shù)據(jù)進(jìn)行訓(xùn)練。交易結(jié)果會(huì)成為機(jī)器理解交易的一個(gè)重要維度，比如一個(gè)正常人可能每周買一次電、每?jī)芍苋ヒ惶速?gòu)物中心等等，這些交易結(jié)果將成為正常交易的模型。

接下來，機(jī)器將接受實(shí)時(shí)交易數(shù)據(jù)的考驗(yàn)，并給出該交易是否不合法的概率，比如97%，如果檢測(cè)系統(tǒng)設(shè)置每筆交易不合法的概率不能高于95%，那么所有這些交易將被拒絕接受付款，換句話說，交易不會(huì)成功。

這個(gè)算法考慮的因素很多，包括刷卡供應(yīng)商的信任度、插卡讓購(gòu)買行為（時(shí)空維度）、IP地址等等，考慮的因素越多，其構(gòu)建的模型也越準(zhǔn)確。

這個(gè)檢測(cè)的過程幾乎是實(shí)時(shí)的，這也是人類工作者無法達(dá)到的檢測(cè)速度。但整個(gè)流程中還是需要人類的參與，包括人類對(duì)算法判斷的審核以及隨后的信用卡欺詐跟蹤等等。

金融交易過程中的數(shù)據(jù)非常大，比如目前PayPal要處理1億690萬用戶的1.1PB數(shù)據(jù)。但對(duì)機(jī)器學(xué)習(xí)而言，越多的數(shù)據(jù)意味著越能提升自身的算法準(zhǔn)確度，從而更好地識(shí)別盜刷信用卡的事件。海量數(shù)據(jù)對(duì)于銀行IT系統(tǒng)的硬件要求非常高，數(shù)據(jù)的存儲(chǔ)、讀取和分析，都成為巨大的IT開支。

目前，銀行的信用卡部門開始使用云計(jì)算作為處理海量數(shù)據(jù)的方式，云計(jì)算彈性可伸縮的特性能夠機(jī)器學(xué)習(xí)算法運(yùn)行的效率，有效應(yīng)對(duì)諸如雙11等刷卡高峰期時(shí)的信用卡檢測(cè)

圍繞信用卡盜刷和反盜刷的戰(zhàn)爭(zhēng)一直在持續(xù)，借助于機(jī)器學(xué)習(xí)、大數(shù)據(jù)和云計(jì)算以及今后可以實(shí)現(xiàn)的區(qū)塊鏈技術(shù)，未來我們的錢包和卡包會(huì)越來越安全。