PayPal如何使用深度学习和监测工作来打击欺诈

    王慧（音译）在PayPal工作的这11年以来，她见证了网络欺诈性质的巨大变化。事实上，方法不断进化是网络犯罪的一种性质。道高一尺，魔高一丈。

    今天，PayPal全球风险科学的高级主管，王说：“我们打交道的这些诈骗者是……非常独特，非常有创意……我们的欺诈问题比任何人想象的都复杂。”

    尽管，王和她的团队使用深度学习的方法可能已经找到了一个方法来帮助PayPal和那些利用在线支付平台漏洞监测的罪犯公平竞争。

    深度学习是机器学习和人工智能的一个较新的方法，最近几年由于有如Google、Facebook、Microsoft和百度这些公司，和少数杰出 的研究人员（有些人现在为这些公司工作），深度学习火了起来。因为深度学习系统使用人工神经网络算法，这个领域吸引了很多和人类大脑工作的对比，尽管“灵 感来源于大脑”可能比“模仿大脑”更能精确的描述深度学习。

    人脸识别中深度神经网络可视化图表。来源：Facebook

    从本质上讲，组成深度学习模型的神经网络堆栈非常擅长于识别模式和他们训练过的数据特征，这导致了过去几年计算机视觉、语音识别、文本分析、机器监 听，甚至视频游戏的巨大进步。你可以在这个月的晚些时候我们的结构数据会议上了解更多关于这个领域的知识，包括Facebook、Microsoft、 Yahoo、Enlitic和其他公司的深度学习和人工智能专家带来的分享。

    事实证明深度学习模型也擅长于识别复杂模型和网络犯罪和网络欺诈的特征。基于机器学习的模式识别一直是欺诈检测实践的重要组成部分，但是王表示 PayPal在其能力上已经有一个“重大飞跃” ，由于它在几年前就开始调查前驱技术（她称之为“非线性”）。她说PayPal在两到三年时间前就已经开始了深度学习方面的研究。

    其中一些成果已经作为公司反欺诈系统的一部分在运行了，通常结合专家系统，王形容这为“侦探般的方法”。她说，深度学习算法可以潜在分析成千上万个 可能形成一个特殊类型欺诈的潜在特征（时间信号，活动者和地理位置是一些简单的例子），甚至可以检测“代替的作案方法”，或者相同方案的不同变种。

    一些开发者PayPal欺诈-管理系统选项

    这个模式比“如果有人做X，则结果是Y”复杂的多，所以它需要人工智能在达到比人类更深的层次上进行分析。“其实，”王说，“这是深度学习之美”

    一旦模型检测出可能的欺诈行为，人类“侦探”可以去评估什么是事实，什么不是，和接下来应该怎么做。

    PayPal使用一个冠军-和-挑战者的方法去决定重度使用哪种欺诈监测模型，而深度学习非常可能成为冠军。“我们已经粗略的看到现在冠军排名前10%的增量”王说，这是非常重要的。

    并且由于PayPal平台上的欺诈行为越来越复杂，她希望深度学习可以帮她的团队有能力比以前更快的适应这些新的模式。这是有可能的，例如，PayPal可能有一天会部署模型，这个模型可以得到系统的实时数据，并且变得更智能，通过实时的重新训练他们自己。

    “某种程度来说，我们正在做那些，”王说，“但我认为仍然有很大的进步空间。”