AI 术语表 · 基础 · 经典机器学习、推荐与搜索 · 金融与保险
异常交易检测
异常交易检测是指在刷卡支付、转账等金融交易中，自动识别盗用、诈骗等与平常不同的可疑交易，并加以拦截或核实。金融业通常称之为 FDS（Fraud Detection System）。
关于这个术语
通俗解释 这类似于熟悉老顾客习惯的店主察觉到：“这位顾客跟平时不一样，凌晨在很远的地方买了贵东西？”不过，系统必须对海量交易在瞬间做出这样的判断。
工作原理
交易一发生，金额、时间、地点、使用设备、商户类型等信息就会立即进入检测系统。先用“短时间内在两个相距很远的地区付款”之类的规则进行筛选，再由机器学习模型与该客户的平常模式进行比较并打出风险分数。根据分数决定直接批准、要求追加验证或拦截。被拦下的交易由分析师审核，结果以“是诈骗/不是诈骗”的标签累积起来，用于重新训练模型。
为什么重要
盗刷、账户盗用、电信诈骗转账等金融诈骗会给客户和金融机构都带来直接损失。诈骗交易几秒内就会完成，靠人工逐笔查看无法拦截，因此自动检测必不可少。设计良好的系统能在减少损失的同时，让正常客户的支付顺畅通过。因此它被视为金融机构的核心基础设施，并与反洗钱（AML）紧密相连。
注意事项
诈骗交易在全部交易中极为罕见，存在模型难以学习的类别不平衡问题。还有平衡问题：过于敏感会频繁拦截正常支付、给客户带来不便，过于宽松则会漏掉诈骗。诈骗者为躲避检测会不断变换手法，因此需要监控数据漂移并持续更新模型。由于经常需要向客户和监管机构解释拦截原因，可解释性也受到重视。
示例
在国外旅行时于第一次去的店里大额付款，收到发卡机构“是否为本人支付？”的确认通知或电话，这是异常交易检测的典型场景。系统认为这与平常模式不同，打出较高的风险分数并要求追加确认。在银行 App 上向从未转过账的账户转大额资金时，转账被暂时延迟或要求追加验证，也是同样的原理。