由于人工智能無法獨自應對網絡欺詐，因此人工智能和人類智慧的結合才是前進的方向。

網絡欺詐是一種全球性威脅，專家們認為這是世界上增長最快、最危險的經濟犯罪。不難理解其原因。根據目前的預測，到2021年，互聯網欺詐在全球造成的損失將達到6萬億美元。人工智能（AI）被認為是身份驗證市場中的關鍵技術驅動力，許多人認為人工智能將有助于解決網絡欺詐問題。但是，當人工智能變得越來越智能化的時候，欺詐者也在試圖挑戰它所提供的保護。

現在是犯罪分子利用許多在線操作的安全協議的絕佳機會，因為冠狀病毒疫情已經迫使他們加速向數字化邁進。因此，新賬戶欺詐正成為一個主要問題，來自Action Fraud公司的最新調查數據顯示，自從今年3月23日以來，網上購物欺詐造成1660萬英鎊的損失。

人工智能適合在哪里采用？

從身份管理的角度來看，人工智能在驗證過程中起著至關重要的作用。它通過讀取復雜的安全功能（如全息圖和微縮文本）來識別和分類文檔的能力通常會導致強大而可靠的身份驗證。此外，生物識別技術的重大進步提供了更高水平的防欺詐標準。例如，Liveness Detection是人工智能計算機系統確定其與真實存在的人員而非虛假的偽造物交互作用的能力，它正在幫助防止欺詐者使用被盜的照片，深度假冒視頻或面具來進行訪問。或創建在線帳戶。活體檢測可以在不到兩秒鐘的時間內識別并確認這是一張活人的臉，甚至高級面具、冒名頂替者、冒充者和偽裝者都可以高度準確地地被發現。

為了測量這些生物識別系統，錯誤接受率（FAR）被認為是至關重要的。這是一個特定的關鍵績效指標，用于衡量生物識別系統的錯誤接受程度。它跟蹤并評估生物識別系統的精度，以確定未經授權的用戶在系統上得到驗證的速率。當前的法規要求政府使用的生物識別系統的錯誤接受率（FAR）必須低于0.1％。人工智能驅動的解決方案甚至能夠勝過這些難以置信的要求。

盡管人工智能提供了無與倫比的安全性以防止身份欺詐，但欺詐者已變得越來越善于偽造和偽造真實的全息圖，從而繞過人工智能和機器學習技術。在這里，采用混合方法變得至關重要，即使是最老練的欺詐者，也幾乎無法戰勝人工智能技術的最新發展和人類專家。

混合方法對驗證安全性的重要性

人們知道，人工智能和機器學習可以快準確地識別身份證件，提取相關數據并使用生物識別技術來比較面部特征，但是，混合方法可以使這一步驟更進一步發展。當技術檢查與人體識別專家的知識相結合時，不僅企業及其客戶的安全網增加了一倍，風險降低了一半，新入職客戶的轉化率也提高了。

實際上，這意味著專有技術將使用人工智能以最大的精度掃描和識別身份證件上的安全特征，例如，包括要求用戶將其身份證件朝攝像頭前方的各個方向傾斜，以便全息圖等安全特征變得可見。同時，經過專門訓練的身份識別專家將在視頻對話期間檢查安全功能。

采取機器和人工相結合的方式進行身份驗證時，最關鍵的區別可能是人類利用自己的直覺來發現個人響應中的差異的能力。例如，眼睛從攝像頭移開便可以向身份識別專家建議，客戶正在受到脅迫，這是某些技術無法單獨識別的。人們還可以問社會工程學問題，以確定客戶是否真實。僅使用自動化就意味著一些潛在客戶在現階段將無法通過入職流程，但通過將他們與能夠進一步進行身份驗證的專家聯系起來，轉化率會變得更高。簡單地說，通過人類和機器的結合，可以實現最高級別的安全。

在身份驗證方面有很多選擇。然而，對于許多人來說，只采用自動化方法就足夠了，為了防止日益復雜的威脅，同時提高客戶轉化率，現在是時候超越最低限度了。人們必須探索可以從中學到什么，以及如何復制德國著名的世界領先的德國聯邦金融監管局的監管制度和格局，以確保金融業保持穩健，并能夠挑戰日益增長的全球網絡犯罪和欺詐威脅。
責任編輯：tzh