人工智能将沦为未来的主流。它不会在联网的家里、车里以及其他任何地方经常出现。虽然它并不像外星人一样更有眼球，但是人工智能在侦察欺诈不道德上起着了最重要的起到。

抵挡欺诈不道德是一场消耗战。这场战争中的双方——好人阵营和坏人阵营，都在大大较慢展开调整，以让人工智能充分发挥它的仅次于起到。人工智能当前有三种主要的方法对付欺诈不道德，分别对应人工智能的研发领域。

它们是：1．规则和信誉列表2．监督机器学习3．无监督机器学习规则和信誉列表在今天，很多现代的的组织利用规则和信誉列表压制欺诈，这个类似于“专家系统”，它在1970年代首次转入人工智能领域。专家系统是融合了领域专家制订的规则的计算机程序。

它们更容易启动和运营，并且有人的理解能力，但它们某种程度也受到了不灵活性和必须大量人力这两方面特性的容许。“规则”是指人编码的一个逻辑语句，它用来侦察有欺诈的账户和不道德。荐个例子，一个机构可能会制订一个规则：“如果一个账户花费了多达一千美元卖一个东西，座标在尼日利亚，且指定时间大于24小时，那就拦阻这笔交易。

”信誉列表，相近地，创建在未知的不良行为的基础上。信誉列表就是一个表明一些IP地址、设备类型以及其他个别特征及其对应的信誉评分的列表。然后，如果一个账户的IP地址经常出现在黑名单列表上，你就去拦阻它们。

虽然规则和信誉列表是侦察并防治欺诈的一个好方法，但是它很更容易被网络罪犯欺骗于股掌间。如今，数字服务比比皆是，造成登记过程显得更加更容易。因此，欺诈者只需花上一点的时间就可以创立几十个甚至数千个账户，然后利用这些账户去自学规则和信誉列表。

犯罪者可以便利地采访云托管地服务、虚拟世界私有网络、电子邮件电子邮件服务、设备仿真器以及移动设备存储器，从而逃亡过信誉列表的猜测。自1990年代以来，专家系统在很多领域都得宠了，它败给了更加先进设备的技术。

似乎，我们应当有更佳的反欺诈的工具。然而，现代公司中的很多反欺诈团队仍在用这种基本的方法去侦察欺诈，这造成了大量的人工评估支出、误报以及不当的侦察结果。

本文来源：雷竞技RAYBET-www.jooston.com