NVIDIA AI 工作流在 AWS 上线，助力金融机构打击信用卡交易欺诈

该工作流由 AWS 上 的 AI 平台驱动，可帮助金融服务机构节省资金并降低风险。

据尼尔森报告（ ）预测，到 2026 年，全球信用卡交易欺诈造成的财务损失预计将达到 430 亿美元。

一个用于检测欺诈的全新 AI 工作流在亚马逊云科技（AWS）上线，可以帮助打击在全球各地日益猖獗的欺诈活动。该工作流使用经过加速的数据处理和高级算法，可以让 AI 能更好地检测和预防信用卡交易欺诈。

在本周举行的 /20 金融科技大会上发布了该工作流。这一工作流使金融机构能够根据用户行为来识别交易数据中的微妙模式和异常现象，与传统方法相比，它可以提高准确度并减少误报。

借助 AI 软件平台和 GPU实例，用户可以更轻松地把欺诈检测工作流从传统计算迁移到加速计算。

福布斯的一篇报道显示，采用综合的机器学习工具和策略的企业可以观察到，欺诈检测的准确度提高了约 40%，从而得以更快地识别和阻止欺诈者并减轻由此造成的损害。

因此，美国运通和 One 等知名金融机构一直在使用 AI 构建专有解决方案，以减少欺诈的发生，并加强对其客户的保护。

这个全新的 工作流加速了数据处理、模型训练和推理，并展示了如何将这些组件打包成一个由 AI 驱动、易于使用的软件产品。

该工作流目前针对信用卡交易欺诈进行了优化，可以应对新账户欺诈、账户接管和洗钱等使用场景。

面向欺诈检测的加速计算

随着 AI 模型的规模、复杂性和多样性不断增加，对于包括金融服务在内的各行各业的企业来说，经济、节能的算力比以往任何时候都更重要。

在整个行业的损失迅速扩大的情况下，传统的数据科学管道缺乏必要的计算加速来处理有效打击欺诈所需的大量数据。借助适用于 Spark 的 加速器可以帮助支付公司缩短数据处理时间并节约数据处理成本。

为了利用复杂的 AI 模型来高效地管理大规模数据集并提供实时 AI 性能，众多金融机构正在转向 的 AI 和加速计算平台。

梯度提升决策树（一种机器学习算法）利用了 等库，长期以来一直是欺诈检测的标准做法。

这个用于欺诈检测的全新 AI 工作流使用 AI 库套件增强了 ，该套件包含作为附加功能的图神经网络（GNN）嵌入，有助于减少误报。

GNN 嵌入被馈送到 中，以创建和训练一个模型。然后，该模型可以与 Core 库和 推理服务器进行协调，以进行实时推理。

框架可以安全地检查所有传入数据并进行分类，标记这些数据的模式以及潜在的可疑活动。 推理服务器简化了所有类型的生产级 AI 模型部署的推理，同时优化了吞吐量、延迟和利用率。

、 和 推理服务器均可通过 AI 获取。

知名金融服务机构采用 AI

许多大型北美金融机构都在报告在线或移动欺诈造成的损失在持续增加，AI 正在帮助他们应对这种严峻的趋势。

美国运通早在 2010 年就开始使用 AI 打击欺诈活动，利用欺诈检测算法来实时监测全球所有客户交易，在几毫秒内针即可对欺诈做出决策。通过结合使用一系列先进的算法（其中一种算法利用了 AI 平台），美国运通提高了模型的准确性，得以更好地打击欺诈活动。

欧洲数字银行 bunq 使用生成式 AI 和大语言模型来帮助检测欺诈和洗钱。通过 加速计算，其 AI 驱动的交易监测系统把模型训练速度提高了近 100 倍。

纽约梅隆银行在今年 3 月宣布，他们部署了 DGX 帮助他们开发支持欺诈检测和其它用例的解决方案。

目前，系统集成商、软件供应商和云服务提供商可以集成这个用于欺诈检测的全新 AI 工作流，以增强其金融服务应用程序的能力，帮助保护客户的资金、身份信息和数字账户的安全。