預計至2026年，全球因信用卡交易詐欺所造成的財務損失將高達430億美元。NVIDIA的AI工作流程使金融機構能夠透過分析使用者行為，有效識別交易資料中的隱蔽模式和異常狀況，相較傳統方法，顯著提高了偵測準確性並降低誤報率。透過NVIDIA AI Enterprise平台和GPU運算技術，企業可更輕鬆地從傳統運算技術過渡至加速運算，這種全面性的機器學習工具和策略能將詐欺偵測的準確度提升40%，加快發現和攔阻詐欺行為，減少損失。
領先的金融機構如美國運通（American Express）和第一資本（Capital One）正積極利用AI技術構建專屬解決方案，以降低詐欺風險並提升客戶安全性。NVIDIA的全新AI工作流程能加速資料處理、模型訓練和推論過程，並整合成單一且易於使用的軟體產品，優化了信用卡交易詐欺的偵測，並適用於新帳戶詐欺、帳戶接管及洗錢等其他風險場景，在AI支持下為金融機構提供高效、安全的風險管理方案。
隨著AI模型的規模、複雜性和多樣性持續擴大，包括金融服務業在內的各行業組織對於性價比高且節能的運算需求日益增長。然而，傳統資料科學管道因缺乏運算加速能力，無法在產業損失快速增加之際處理有效打擊詐欺所需的大量資料。透過NVIDIA RAPIDS Accelerator for Apache Spark，支付端公司得以顯著縮短資料處理時間並降低成本，有效管理大規模資料集，提升AI模型的即時效能。
針對偵測詐欺活動，金融機構逐步轉向NVIDIA的AI與加速運算平台，並結合梯度提升決策樹（gradient-boosted decision tree）及XGBoost程式庫的傳統技術，融入NVIDIA RAPIDS的AI函式庫和圖形神經網路（GNN）嵌入。GNN資料經過XGBoost訓練後，能透過NVIDIA Morpheus Runtime Core函式庫及Triton推論伺服器協同運作，即時進行推論與檢測。NVIDIA Morpheus架構提供安全的資料檢查與分類，標記潛在可疑活動，NVIDIA Triton推論伺服器則能簡化多種AI模型的部署，最佳化生產環境中的輸送量、延遲與使用率。這些技術均可透過NVIDIA AI Enterprise平台整合使用。
隨著北美多家大型金融機構報告線上或行動裝置詐欺造成的財務損失不斷增加，領先的金融服務公司正積極採用AI技術對抗此一趨勢。例如，美國運通自2010年起便使用AI打擊詐欺，利用NVIDIA AI平台的先進偵測演算法，即時監控全球客戶交易並在毫秒內判別詐欺活動，有效提升模型準確性。歐洲數位銀行bunq則運用生成式AI與大型語言模型偵測詐欺與洗錢行為，並透過NVIDIA加速運算技術將模型訓練速度提升近100倍。此外，紐約梅隆銀行（BNY）於三月宣布成為首家部署NVIDIA DGX SuperPOD的大型銀行，這套搭載DGX H100系統的架構將支援偵測詐欺等多樣化應用場景。
如今，各大系統整合商、軟體供應商及雲端服務供應商也逐步導入NVIDIA AI工作流程，進一步強化其金融服務應用並協助保障客戶資金與數位帳戶安全。NVIDIA的AI工作流程運用圖形神經網路來提升詐欺偵測的效能，提供金融機構精確、高效的風險管理工具。欲深入了解此技術的應用，可參閱NVIDIA技術部落格，探索如何運用這項技術應對詐欺挑戰。
點擊閱讀下一則新聞
