KakaoBank已将一款可分析交易前后行为特征的AI金融诈骗识别模型应用于其异常交易检测系统。
KakaoBank于9日表示，公司自主开发的AI金融诈骗识别“序列检测模型”已正式接入异常交易检测系统。
与仅判断转账、取现等单笔交易结果不同，该模型还会结合交易发生前后的行为信息进行分析。模型引入Attention机制，对交易发生顺序、行为之间的时间间隔、设备更换方式等特征进行综合识别。
该模型将客户行为视为连续过程进行分析，能够识别在登录和交易持续进行后，于特定时点出现中断、随后又恢复操作的模式。KakaoBank表示，这类中断时长往往与语音诈骗的作案过程相吻合。
KakaoBank称，自去年11月试点导入该模型后，通过异常交易检测系统实现的金融诈骗防范件数，较导入前月均增长4.4倍。
今年一季度进入正式运行阶段后，在全部疑似金融诈骗案例中，序列检测模型独立识别的占比达到49.8%。
该模型还识别出用于语音诈骗资金归集的账户相关案例，以及在更换手机后将设备交给犯罪组织的“设备转让”疑似案例，并对相关交易实施提前拦截。
KakaoBank表示，未来将持续迭代序列检测模型，以应对作案手法日益复杂的金融诈骗。
KakaoBank相关人士表示，随着序列检测模型完成开发并投入应用，公司已具备基于行为流程预测异常交易的能力。今后将继续通过技术研发，提前应对愈发隐蔽的金融犯罪，营造更安全的金融环境。
记者信息
Ji-young Lee
ljy@d-today.co.kr