35家金融业者组联盟用AI模型侦测警示帐户拦阻诈骗金流,下一步要用联合学习精进模型

富邦金控在2022年研发出AI侦测技术「鹰眼防诈预测模型」,在金管会、刑事局、数位部等支持之下,2023年底分享该技术与其他金融业者共组鹰眼识诈联盟,扩大金融科技防诈面向,现在已有35家金融机构先后加入联盟,利用AI模型侦测异常交易,今天(8/14)鹰眼识诈联盟展示成果,警示帐户预先管控率最高达到80%,成功拦截逾3.6亿元,避免遭诈骗集团移转。鹰眼防诈预测模型下一步,将在10月开始运用联合学习技术优化鹰眼防诈模型,提高防诈应变速度。

过去金融业者仰赖人工方式,根据样态、经验各方面判断,从数千万笔交易中找出异常,然而,由于交易数量庞大,人工费时费力,且判断的准确率不高,虽然各家金融业者投入人力辨别可疑交易及帐户,但是在准确率不高之下,为避免影响正常顾客权益,不敢擅自管控警示帐户,在防诈预警工作上显得绑手绑脚,多仰赖银行员对受害民众的临柜防诈。

富邦金控在2022年提出金融安全数位转型蓝图,运用科技投入防诈工作,其中之一为透过鹰眼防诈预测模型警示帐户预先管控,减少人工作业达99%,模型对异常帐户辨别准确率也比人工方式提高559倍。金融业者共组鹰眼识诈联盟,以今年1到6月导入成果,5家加入联盟的金融业月平均预先管控比率在50%以上,甚至有一家业者达到80%,有7家金融业者比率在30到50%之间,预期未来在AI持续学习,比率稳步上升。

检察官出身的富邦金控副总经理的蔡佩玲表示,目前银行在防诈上,银行临柜拦阻虽然相当重要,但是在诈骗金流中,临柜只占3成左右,其他近6成金流则是数位的方式,如果不借助科技的力量,很难只以人眼辨别拦阻网路上的诈骗金流,因此需要借助科技的力量,但是要运用科技并不容易,以鹰眼识诈联盟为例,联合35家金融业者,因各家业者的资料治理标准不同,为了运用应眼防诈预测模型,需花费相当多时间在资料治理、数位规格的统一,以及技术移转、调校,联盟成员每2到3周也需要交流。

她表示,以往金融业者投入大量人力防诈,在联盟成立10个月后,全台已有6成的金融机构运用科技防诈,年底的目标是让100%全部上线,让AI机器人在全台湾落地。在导入科技防诈后,预警时间大幅提前,以往金融机构无法预警,必需等到民众被害报警,金融机构才启动联防,现在金融机构在联盟成立后,可在民众没有报警的情形下,提早2周到3个月侦测到帐户出现问题,预先管控帐户。

另外,以往民众被骗后,被害人没有报案,或不敢报案,金融机构无法预警防诈,现在在AI协助之下,透过AI模型建立预警,从今年初到现在,AI侦测共1.8万件案子,这些案子中有50%以上为准确的。蔡佩玲指出,在被害民众报警之前,或民众不报警,金融业者都能知道,今年1到6月全体联盟行拦阻金额共有3.6亿元,这些钱不同于临柜拦阻在民众汇出钱之前拦截,我们要做到的是即使民众将钱汇出也能拦阻回来。

运用联合学习精进AI模型

对于未来,蔡佩玲表示,未来联盟有三大目标,第一个目标是,建立国家级鹰眼模型,目前AI模型在35家金融机构各自落地,未来结合隐私强化技术,运用联合学习,跨金融机构训练AI模型,可以自动调校,以快速因应诈骗手法变化;第二个目标是建立鹰眼照会机制,配合打诈专法实施,鹰眼联盟成员间建立直接异常帐户的警示讯息交换机,进一步预控措施。第三个则是从9月起,联盟全体金融机构的线上线下防诈宣导。

对于跨金融机构训练鹰眼模型,蔡佩玲指出,目前35家金融业者以鹰眼模型为基础,导入自家的特征进一步优化,等于35家机构有各自的AI鹰眼同事,目前各家金融机构依照诈骗的犯罪手法各自调校,对于发现新的诈骗手法特征,人工方式交流,再各自调校自家的模型。未来要利用联合学习技术,让各家业者不分享资料,但分享模型调校参数,透过自动交换,未来半小时内就能完成30多家机构的交换,可依照犯罪手法快速回应。

她表示,希望在今年10月推动联合学习,先与8家联盟成员合作,由于联盟学习需要更精细的资料规格,才能做到自动化,降低现在以人工的方式调校,目前的人工调校,从知道犯罪手法到人工调校约需3到6个月,因应时间较长,未来自动化后,半小时就能因应异常。

由于不同金融机构在金融业务上的量体差异,蔡佩玲举外籍移工汇款为例,单一家金融机构的外籍移工汇款量体不够多,难以找到合适模型参数调校,但是透过联合学习,便能从外籍移工汇款量体大的其他金融机构获得参数,相较於单一金融机构业者自己不断测试调校来得好。这也是联合学习的好处。