您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
如果没有人类 AI将无法解决在线犯罪问题
2017年11月14日 由 nanan 发表
730003
0
网络犯罪正在崛起，从金融机构到保险、医疗保健提供商和大型电子零售商等众多行业的组织都非常担心。仅在2017年上半年，就有超过20亿的记录被泄露。从这些黑客窃取PII(个人可识别的信息)之后，诈骗者可以访问客户账户，创建合成身份，甚至编造虚假业务档案来进行各种形式的欺诈。
当然，各企业也正在寻求办法，对公司的安全进行防护。但存在一个问题：技能差距过大导致了网络安全行业的招聘困难，在申请网络安全工作的求职者中，只有不到四分之一的人是合格的。ISACA预测，到2019年，由于缺乏合格的求职者，将导致全球200万名网络安全专业人才的缺失。
对此，许多公司都转向人工智能来填补这一空缺。
人工智能的一个显而易见的好处是提供身份验证时，而不需要人为干预。可以更有效地监测隐式数据点（即，用户的环境或地理位置），设备特性，生物测定学和行为以验证某人的身份。
正如FICO最新的Falcon联盟模型所示，在不增加假阳性率的情况下，将CNP的欺诈检测提高了30%。
虽然人工智能的认证能力可能超过了人类，但如果没有人类的战略指导，那么网络犯罪根本无法得到解决。识别大数据的模式对人工智能来说是一个令人印象深刻的壮举，但这些分析本身并不具备对抗欺诈和消除低效CX的能力。
人工智能和机器学习能够分析大量数据，并在数据中识别出人类永远无法提取的模式。但是，为了追求更好的客户服务，仍然需要人类来设置它。
当人工智能遇到不适合基于归纳的模型的新数据集实例时，可能需要一个人来解决这个问题，并训练如何在未来做出反应的算法。
认证人工智能需要能够适应欺诈者的新方法。如果不了解网络安全指挥官的意图，它就无法适应。因此，需要人来不断地指导和完善这些强大的算法。
但是GAN呢？生成对抗网络是机器学习中一个相对较新的概念。从本质上讲，它们涉及到有两种机器学习算法的情况。算法A正在做一个工作，而算法B正在积极地试图用A的方式来打孔。
机器学习算法正在分析大量的数据并做得很好。但最后，得出的结论是概率性的，总是有例外的存在。就像我们不能100%地识别骗子一样。
虽然在不久的将来，网络安全部队可能会主要由机器人组成，但今天，人类在打击欺诈和追求客户体验方面仍然起着至关重要的作用。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消