Stripe 中的欺诈检测准确率，使用人工智能
Stripe 作为全球领先的在线支付平台之一，通过利用人工智能，将交易欺诈检测准确率在一夜之间惊人地从59%提升至97%。这一成就充分展示了人工智能在金融科技和支付安全领域的积极影响。
在最近的 Stripe Sessions 活动中，该公司发布了名为 Payments Foundation Model 的新模型。该模型被称为全球首个支付领域的基础模型，旨在提高欺诈检测的准确性并增强金融交易的安全性。
Stripe 中的欺诈检测准确率，使用人工智能
用新模型解决信用卡测试难题
支付领域常见的威胁之一是信用卡测试攻击。攻击者利用被盗卡信息验证其有效性，以便进行后续滥用。Stripe的新模型专注于此类攻击，性能远优于传统方法。
在支付建模中对变压器的创新应用
Stripe的机器学习主管Gautam Kedia在LinkedIn上解释说，虽然公司之前的模型在一定程度上有效，但每项任务都需要单独设计和训练。他补充道：“受大型语言模型（LLM）架构的启发，我们决定使用Transformer来构建一个综合模型。虽然支付结构与语言完全不同，但我们发现该模型能够像理解句子中词语之间的关系一样，理解交易数据中的隐藏关联。”
该模型利用数十亿交易的数据，将每笔支付表示为密集的多维向量。因此，相似的交易会在特定的向量空间中聚类，Stripe能够识别出以前被忽视的复杂模式。
Stripe 中的欺诈检测准确率，使用人工智能
在欺诈检测中的准确性和性能飞跃
Stripe宣布，借助基于基础模型输出向量的分类模型，能够在卡片测试攻击完全发生之前检测并阻止这些攻击。此举使这类攻击的欺诈检测率从59%提升至97%，创下历史新高。
科迪亚认为，支付交易就像单词一样，具有语义依赖关系，只有通过向量分析才能理解；而人工特征工程无法实现这一点。
Stripe 中的欺诈检测准确率，使用人工智能
追回因错误拒绝的数十亿美元交易。
继取得成功后，Stripe 利用人工智能追回了因发卡银行错误拒绝的超过60亿美元交易。智能工具 Adaptive Acceptance 在此过程中发挥了关键作用，能够识别错误拒绝交易的模式。
该工具最初使用的模型是XGBoost，但Stripe为了提升性能，用一种名为TabTransformer+的增强版表格变换器替代了它。新模型将误拒交易的识别准确率提高了70%，并将重复完成交易的尝试次数减少了35%。
Stripe 使用人工智能检测欺诈的准确率大幅下降
此外，Stripe 的反欺诈系统 Radar 也更新了新功能，如自动认证。该工具能够自动为可疑交易启用两步验证。该系统实施的初步结果显示，审核交易中的欺诈率降低了30%。
未来展望：人工智能位于支付行业的核心
Stripe利用人工智能进行欺诈检测的高准确率表明，支付行业的未来无法想象没有人工智能的参与。像Razorpay这样的公司也在走类似的道路，利用人工智能优化运营、减少支付延迟和管理退货。
最终，Stripe的努力证明，人工智能不仅能提升安全性，还能改变客户的支付体验。这一方向可为其他金融科技公司树立激励榜样。
Stripe 中的欺诈检测准确率，使用人工智能
来源: hooshio
点击下方链接以阅读更多与人工智能相关的新闻。
Kish iVision 博客页面
