鉴于台湾的诈骗乱象频传，在因应网路犯罪的科技防诈上，不只是政府机关、网路服务业、电信业要采取行动，金融业的防范措施也至关重要。近年来，金融业正聚焦AI技术的深化运用，做到更有效的侦测及预防诈骗与洗钱，特别的是，今年科技防诈发展的重要焦点，就是金融监督管理委员会（金管会）为了促进多家金融业运用联合学习及资料隐私强化技术，推动这方面的联合自主实证，以发展防范诈骗及金融犯罪的模型，并期许日后能够真正落地推广。
在11月初举行的台北金融科技展上，金管会举办了科技防诈主题式的推广活动成果发表会，当中也就呼应了运用联合学习来提升防诈能力的应用态势。
这是因为，现场展示3项实证新技术阻诈的最新进展，都与联合学习（或称联邦学习，Federated Learning）有关，俨然成为提升防诈能力的新关键，让各家金融机构在不共享原始数据的情况下，可以共同训练模型，确保资料安全，并提升及早侦测异常状况的能力。这不仅反映出联合学习导入的成效已经浮现，也预告了联合学习技术在不同金融场景中的应用可能性。
第一个联合学习实证项目，是「鹰眼识诈联盟的联合学习平台」。
基本上，鹰眼识诈联盟诞生于北富银与内政部刑事警察局合作开发的鹰眼模型，这个AI侦测模型去年已在35家金融机构各自落地，但由于现行防诈模型仅针对已知手法建置，更新模型亦相当耗时，因此今年有了更进一步的发展，就是启动联合学习技术计划，希望优化鹰眼防诈模型，目前正在实证阶段。
值得一提的是，这项实证计划是与台湾AI Labs的雅婷智慧公司合作，好处是在模型调教上，不像早期都是人工比对、太过耗时。
在运作上，其特色是允许在各金融机构在不共享个别资料数据的情况下，共同训练模型。目前共有8家金融业者参与，包括土地银行、第一银行、彰化银行、台中银行、阳信银行、远东商银、凯基银行，以及台北富邦银行。
在展场中举办的成果发表会上，富邦金控副总经理蔡佩玲表示，预计明年3月实证结果符合预期后，以联合学习精进的鹰眼模型，就可以供这8家金融业者正式采用。
第三个联合学习实证是「支付诈骗联合阻断计划」，主要特色在于跨界联合学习，因为这是结合数位信任产业、AI业者与金融业者的方案，形成结合电信与金融数据的支付诈骗联合阻断计划。
具体而言，这项实证是透过结合电信与金融数据的艾司艾（ScamAdviser）、走著瞧（Gogolook），搭配搭配信诚金融科技的AI解决方案，加上两家公股银行台湾企银、合作金库银行的第一手诈骗数据。
此计划可分成两大部分，一是采用商誉保护服务，做到认证号码与伪冒侦测，一是透过联合学习将防诈情资料，带到不同银行内部建立联合模型来提升侦测率。
这项实证结果在10月已经出炉，Gogolook表示在防范冒名诈骗以及异常帐户侦测方面，都带来不错的成效，而在侦测警示帐户与诈骗交易样态上，联合学习模型也确实比单一模型更准确。
至于未来要进一步观察的是，这类跨界应用将如何发展可行商转模式。