在2017 Teradata全球用户大会的开幕演讲中，重点提及了Teradata与一家北欧银行丹斯克银行（Danske Bank）联手打造并推出人工智能（AI）欺诈检测平台的合作案例。我们有幸在大会现场，专访丹斯克银行高级分析总监Nadeem Gulzar先生，对此进行更详细的了解。

古老的银行如何应对新兴的欺诈行为？

丹斯克银行（Danske Bank）成立于1871年10月5日，已有146年的历史。总部位于丹麦首都哥本哈根，是丹麦最大的银行，也是北欧地区较大的零售银行。

Gulzar表示：“应用欺诈是银行最重要也是最头疼的问题。有证据显示，犯罪手段日趋高明，罪犯运用复杂的机器学习技术进行攻击。因此，只有使用机器学习等高级技术才能抓住他们。随着银行业逐步实现数字化，移动银行应用日渐流行，我们很清楚欺诈行为将很可能在近期及更长远的未来愈演愈烈。我们意识到不能只固守当下，更要着眼未来情况，使用尖端技术预防欺诈犯罪。运用AI技术，我们已将误判率降低50%，并由此将欺诈监测部门一半人员重新安排负责更重要的工作。”

丹斯克银行收集很多不同来源的数据，例如，交易数据、客户数据，甚至外部的数据源，包括地理位置数据等。所有数据都会导入机器学习模型，最终预测某一项交易是否由客户完成。

Gulzar进一步介绍，原来的欺诈监测系统在很大程度上依靠手动添加规则，银行在很久以来一直主动应用这些规则。随着误判记录数量不断增长，甚至经常达到整个交易量的99.5%，这如同大海捞针，使调查相关成本与时间显著增长，银行庞大的欺诈监测团队任务过重，无法实现高效运作。

丹斯克银行负责数据的团队约有三十多名，分布在丹麦和印度。虽然现有的团队具备技术能力，但银行对如何将解决方案具体实施到低延迟生产环境或关键性生产环境却缺乏信心，因为客户在进行交易时，不能被突然中断中易。于是，丹斯克银行开始寻找合作伙伴，期望帮助其解决误判数量高的难题；同时，还要结合银行已经采用的开源架构，提升银行的欺诈监测水平。

AI露身手，降低误判率，实时反欺诈

从2016年秋季开始，丹斯克银行与Teradata天睿公司子公司Think Big Analytics咨询团队展开合作。双方团队在银行现有基础设施内搭建框架，创建高级机器学习模型，监测每年数百万次交易中的欺诈行为，高峰时段每分钟可监测多达数十万次交易。为确保监测过程透明性，并增强信任，监测引擎在机器学习模型上加入解释层，提供监测阻止活动的释义与解释。

从建模角度上看，欺诈案例仍占很小比例，大约每10万次交易才发生一次欺诈行为。双方团队成功从模型中发现误判结果，并将误判率降低50%。与此同时，双方团队还能够监测更多欺诈行为，将监测成功率实际提升约60%。丹斯克银行率先在反欺诈项目中应用机器学习技术，同时开发深度学习模型测试这些技术。

丹斯克银行与Think Big Analytics在此基础上，联手推出人工智能（AI）欺诈监测平台。该平台引擎使用机器学习技术，可分析数万个潜在特征（latent feature），对数百万次银行在线交易进行实时评分，为监测判别正确、错误和欺诈活动提供可作为判别依据的洞察。通过大幅缩减误判的调查成本，全面提升银行效率并有助于大幅缩减各项成本。该平台预计在投入运营一年内就能实现100%的投资回报率。

Think Big Analytics客户服务总监Mads Ingwar表示：“所有银行都需要具备可扩展性的高级分析平台，并为实现数字化制定路线图与战略规划，在银行中推崇数据科学。银行需针对在线交易、信用卡和移动支付打造一套实时解决方案，我们与丹斯克银行合作开发出最先进的人工智能欺诈监测平台，300毫秒内就能完成新交易评分。这意味着，顾客在超市购物时，系统就能够实时对交易评分，并立即提供可作为监测依据的洞察。这类解决方案预计将会在金融服务业所有机构不断普及。”

未来的银行需要AI

当被问及丹斯克银行与其他同行相比，具有什么竞争优势时，Gulzar毫不讳言表示，丹斯克银行在AI应用方面，走在同行之前。例如，丹斯克银行目前已经有成熟的AI应用运用在生产环境中；还有面对面的转帐APP，即使对方不是丹斯克银行的客户。

Gulzar认为，如果不采用AI，一定会失去市场，失去客户。他希望随着技术的不断创新和成熟，AI能够更加深入和广泛地应用到银行业，增强银行高级分析团队的技术能力，为更广泛业务创造更大收益。