大多数人认为欺诈行为的第一个领域是金融。这不仅包括骗子，而且包括银行和交易在内的各种攻击。关于如何使用人工智能(AI)解决更广泛的欺诈领域(例如药品处方欺诈)，已经进行了很多讨论。去年，在线市场和交付服务的使用有了惊人的增长。这些地区的欺诈行为也有所增加。出于与在其他领域使用AI的相同原因，将AI应用于这些问题。

　　在线市场上最简单的欺诈方法之一是注册多个帐户并发布虚假列表。标准程序技术通常由于与垃圾邮件处理效果不佳的相同原因而失败-帖子中的文字表示欺诈，需要AI才能理解该文字并对帖子进行分类，以防可能出现欺诈。

　　零工经济与电子商务紧密相关，是另一个需要解决现代欺诈问题的领域。已经为客户，企业和送货驱动程序创建了多个平台，其中餐饮服务就是一个很好的例子。

　　识别财务舞弊和相关舞弊的最大挑战是这种情况很少见。技术术语

　　是稀疏的吗?欺诈的另一个关键方面是欺诈者不断发明新方法。当发生规则以外或标记事件时，基于规则的系统和有监督的学习型AI就会失败。这就是为什么无监督模型始终是欺诈中的关键组成部分，因为它可以在不知道异常交易的情况下检测到异常交易。

　　需要分析的一个有趣领域是电子商务和实物交付。在大流行之前这是一个增长中的部门，但是去年看到了巨大的增长，这对敌对行动者很有吸引力。“我们作为电子商务平台的客户的欺诈行为有所增加，”DataVisor首席执行官谢英莲表示。“例如，组织团体已经在买方，卖方和送货公司之间进行了协调，以进行从未交付的欺诈性购买，从而从平台上付款。”

　　尽快识别欺诈性交易很重要，但另一方面也有误报。良好的客户服务的一部分不会中止客户的交易，因为它超出了她的正常购买模式。一种方法是认识到欺诈很少发生在单个帐户中。AI可以寻找模式，例如识别在短时间内从相同或相似的IP地址创建的多个帐户。结果可能是那些帐户比单独帐户或现有帐户更关注交易。

　　但是，这种方法并不完美(好像有一种完美的方法……)。平台或行业的类型将影响AI的响应方式。目标是尽可能地进行自动操作。谢女士说：“社交媒体平台的交流量很大。”“对这些内容进行大量的人工审查是不现实的，因此行业主要希望自动采取行动。对于金融机构而言，鉴于交易的重要性，它们更加开放

　　进行人工检查以限制误报。但是，趋势和客户体验要求也日益推动所有交易实时进行，而无需人工检查。”电子商务介于其他两个示例之间。

　　该系统的核心是经过无监督学习训练的神经网络。但是，正如经常提到的那样，人工智能是一种工具，甚至是工具带，并不是唯一使用的人工智能。规则确实存在，可以简化对模式的理解，同时还可以使用较低的计算开销。一些标准的欺诈模式也可以用于某些监督学习中。这不是纯粹为技术而做出的选择。现有系统的操作员习惯于规则。由于功能工程是AI的一个具有挑战性的方面，因此人们常常开始添加AI系统而忽略了它，因此利用现有功能和规则可以加快任何系统的ROI速度。