美国运通将NVIDIA AI技术用于防欺诈网络犯罪

作为防欺诈策略的一部分,这家金融服务巨头正在使用NVIDIA Triton 推理服务器运行基于深度学习的模型。
作者 英伟达中国

网络安全漏洞的泛滥造成金融欺诈猖獗。

2018年,McAfee预测网络犯罪每年给全球经济造成6000亿美元的损失,占全球GDP的0.8%。据咨询公司埃森哲预测,至2024年,网络攻击可能使全球公司遭受5.2万亿美元的损失。

信用卡和银行卡是此类网络攻击的主要目标。美国运通(American Express)每年交易数量超过80亿笔,该公司正在使用NVIDIA GPU计算平台的深度学习以抵御欺诈。

NVIDIA首席执行官黄仁勋在10月5日举办的GTC大会上宣布,美国运通已经部署了经TensorRT优化的基于深度学习的模型,并在NVIDIA Triton 推理服务器上运行,以检测欺诈行为。

NVIDIA TensorRT是高性能深度学习推理优化器和运行时,可最大程度地降低延迟,并将吞吐量增至最大。

NVIDIA Triton 推理服务器软件可简化大规模的模型部署,并作为一种微服务使用,使应用程序在数据中心生产中使用AI模型。

美国运通机器学习和数据科学研究副总裁Manish Gupta表示:“美国运通每年在全球交易量超过1.2万亿美元,我们的欺诈算法会实时监控每一笔交易,并在短短几毫秒内做出欺诈决策。”

网购热潮

自疫情开始以来,全球网购数量激增。根据Adobe数字经济指数,仅在美国,今年4月,电子商务数额就比3月初增长了49%。

这种情况直接导致现金使用减少,而数字货币的使用持续增多。因此,人们使用银行和信用卡的需求也在增加,使得欺诈行为出现的更加频繁。

追踪全球支付行业信息的《尼尔森报告》发布者David Robertson表示:“2018年,犯罪分子通过卡片欺诈获得的净收入,比2017年时增加了38.8亿美元。”

《尼尔森报告》指出,美国运通拥有超过1.15亿张有效信用卡,其欺诈率已连续13年保持行业最低水平。

Gupta表示:“我们的首要任务是维系持卡人和商家,保持低欺诈率是实现这一目标的关键。”

使用GPU计算进行异常检测

随着在线交易量的与日俱增,金融公司纷纷加强安全措施,因此欺诈者正在发起更复杂的攻击

比较容易监测的领域是反常的消费模式。假如一张卡在旧金山买了一杯咖啡,而五分钟后又在洛杉矶购买了一罐汽油,此举就属于“异常”交易

通过循环神经网络(RNN)可将此类异常情况标记为预警信号,循环神经网络尤其擅长猜测数据序列中的下一个内容。

美国运通已部署了长短期记忆网络(LSTM),可为RNN提供更好的性能。

此举将降低延迟并提升准确性,而这两个领域是美国运通已取得巨大突破的领域。该公司团队采用NVIDIA DGX系统,在大量结构化和非结构化数据上,借助TensorFlow加速构建并训练这些LSTM模型。

性能比CPU提高50倍

最近发布的TensorRT优化LSTM网络,可帮助该系统实时分析每天数千万笔交易的数据。现在,该LSTM使用NVIDIA Triton推理服务器NVIDIA T4 GPU上进行部署,从而实现瞬时推理。

因此,美国运通可通过这一增强型实时欺诈检测系统提高检测的准确性。该系统在2毫秒的严格延迟要求内运行,性能比无法达到该目标的CPU配置提高了50倍。

这家金融服务业巨头结合GPU加速LSTM深度神经网络与用于回归和分类的长期梯度提升机(GBM)模型,将特定细分市场的欺诈检测准确性提高了多达6%。

准确性至关重要。美国运通公司表示,对持卡人和商家而言,拒绝合法交易的误报感受会非常不好。

Gupta认为:“特别是在当前环境下,我们的客户比以往任何时候都更加需要我们,因此我们要为他们提供一流的欺诈保护和服务。”