首页»行业  »   智慧城市  »   正文

如果没有人类 AI将无法解决在线犯罪问题

如果没有人类  AI将无法解决在线犯罪问题

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

发表评论