這個由 NVIDIA AI 平臺驅動的藍圖可幫助金融服務機構節省資金并降低風險。

根據 Payments Dive 預測，未來十年，全球信用卡交易欺詐造成的財務損失將超過 4030 億美元。

全新的用于金融欺詐檢測的 NVIDIA AI Blueprint 可以幫助打擊日益猖獗的欺詐活動。該藍圖使用經過加速的數據處理和高級算法，可以提升 AI 檢測和預防信用卡交易欺詐的能力。

NVIDIA 在 Money20/20 金融服務大會上發布了用于金融欺詐檢測的 NVIDIA AI Blueprint。該藍圖為金融機構提供了一個參考范例，使其能夠根據用戶行為來識別交易數據中的微妙模式和異?，F象，與傳統方法相比，它可以提高準確度并減少誤報。

該藍圖通過提供參考代碼、部署工具和參考架構，向開發者展示了如何構建金融欺詐檢測工作流。

借助 NVIDIA AI Enterprise 軟件平臺和 NVIDIA 加速計算，企業可將欺詐檢測工作流從傳統計算高效遷移至加速計算。用于金融欺詐檢測的 NVIDIA AI Blueprint 目前支持 AWS 和 HPE 的用戶，很快將擴展到 Dell Technologies。用戶還可通過 Cloudera、EXL、Infosys 和 SHI International 等 NVIDIA 合作伙伴的服務使用該藍圖。

采用全面的機器學習工具和策略的企業可以觀察到，欺詐檢測的準確度提高了約 40%，從而得以更快地識別和阻止欺詐者并減輕由此造成的損害。

因此，美國運通和 Capital One 等知名金融機構一直在使用 AI 構建專有解決方案，以減少欺詐的發生，并加強對其客戶的保護。

這個全新的 AI 藍圖加速了模型訓練和推理，并展示了如何將這些組件打包成一個由 NVIDIA AI 提供動力的、易于使用的軟件產品。

該藍圖目前針對信用卡交易欺詐進行了優化，可以應對新賬戶欺詐、賬戶接管和洗錢等用例。

利用加速計算和圖神經網絡來檢測欺詐

傳統數據科學工作流缺乏計算加速能力，無法處理有效的欺詐檢測所需的海量數據。像 XGBoost 這樣的機器學習模型在檢測單個交易異常時很有效，但當欺詐涉及復雜的關聯賬戶、設備和網絡時，就會顯得力不從心。

作為 NVIDIA CUDA-X 微服務、庫、工具和技術的一部分，NVIDIA RAPIDS 有助于彌補這些不足。它使支付公司能夠加快數據處理，并具備大規模地將原始數據轉化為強大特征的能力。這些公司可以為 AI 模型提供動力，并將其與圖神經網絡（GNN）集成，通過分析不同交易、用戶和設備之間的關系來發現隱藏的大規模欺詐模式。

梯度提升決策樹（一種機器學習算法）利用了 XGBoost 等庫，長期以來一直是欺詐檢測的標準做法。

這個全新的用于金融欺詐檢測的 NVIDIA AI Blueprint 使用 NVIDIA CUDA-X 數據科學庫（包括 GNN）增強了 XGBoost 機器學習模型，以生成可作為附加功能的嵌入，幫助減少誤報。

GNN 嵌入被饋送到 XGBoost 中，以創建和訓練可編排的模型。此外，NVIDIA Dynamo-Triton（前身為 NVIDIA Triton 推理服務器）可提升實時推理能力，同時優化 AI 模型的吞吐量、延遲和利用率。

NVIDIA CUDA-X 數據科學庫和 Dynamo-Triton 均包含在 NVIDIA AI Enterprise 中。

知名金融服務機構采用 AI

北美許多大型金融機構都表示，來自線上或移動端的欺詐所造成的損失持續增加，而 AI 正在幫助他們應對這種嚴峻的趨勢。

美國運通早在 2010 年就開始使用 AI 打擊欺詐活動，其利用欺詐檢測算法來實時監測全球所有客戶交易，在幾毫秒內即可對欺詐行為做出決策。通過結合使用一系列先進的算法（其中一種算法利用了 NVIDIA AI 平臺），美國運通提高了模型的準確性，增強了打擊欺詐活動的能力。

歐洲數字銀行 bunq 使用生成式 AI 和大語言模型來幫助檢測欺詐和洗錢。通過 NVIDIA 加速計算，其 AI 驅動的交易檢測系統將模型訓練速度提高了近 100 倍。

紐約梅隆銀行在 2024 年 3 月宣布，他們成為首家部署搭載 DGX Hopper 系統的 NVIDIA DGX SuperPOD 的大型銀行，該系統有助于其開發支持欺詐檢測和其它用例的解決方案。

目前，系統集成商、軟件供應商和云服務提供商可以集成這個用于金融欺詐檢測的全新 NVIDIA 藍圖，以增強其金融服務應用程序的能力，幫助保護客戶的資金、身份信息和數字賬戶的安全。