为什么机器学习被证明是防止欺诈的有效方法？

人工智能技术分支有很多，并且应用到各个行业当中，而机器学习作为人工智能核心技术之一，在防止欺诈方面拥有良好的作用。那么为什么机器学习被证明是防止欺诈的有效方法？

机器学习方法和统计规则的使用有助于降低与专家系统的局限性相关的风险，特别是减少将合法交易被错误识别为欺诈交易的案例数量，并增加成功检测到的真正欺诈行为的数量。机器学习算法可以检测到人类不明显的依赖关系，从而快速分析大量数据。

为了检测欺诈，在有老师(监督学习)和没有老师(无监督学习)的情况下都使用了学习算法。在第一种情况下，当有一个训练样本具有先前已知的答案时，我们主要讨论的是分类算法。而在第二种情况下，则没有这样的答案。跨国序列可视为文本，然后出现了文本数据分析和处理自然语言（NLP）的方法。

为了使分类算法起作用，就必须有一个数据集，例如，在一段有限的时间内，确认存在欺诈和合法的交易。然而，在标记交易时，不可避免地会出现困难：通常需要根据从用于构建模型的欺诈调查行为中获取的信息手动进行标记。欺诈交易的样本也可以通过调查文件的机器解析来获得，但是由于其结构较差且质量较好，因此很难实现这种样本。

当与老师一起学习时，阶级失衡是不可避免的：合法交易的数量是欺诈交易的数十万倍。在这种情况下，可以使用以下方法：数据平衡；过滤；通过“重新标记”额外交易来丰富样本，专家认为这种交易很可能是欺诈行为。此外，还使用了半监督学习方法，该方法既使用已知是否为欺诈的交易，也使用了未知的交易。