13、智能系统在欺诈检测中的应用

智能系统在欺诈检测中的应用

1. 模糊逻辑在欺诈检测中的应用

模糊逻辑旨在处理不精确的信息，它并非一种算法，也不是某类算法，与之前提及的两种技术不同。模糊逻辑本身不具备自动化的固有手段，但它有助于定义系统与现实世界交互时可能需要的某些决策过程。具体而言，模糊逻辑为系统提供了一种灵活的方式，使其既能接收用户指令，又能向用户解释自身行为。

模糊逻辑通过摒弃“非黑即白”的二元逻辑，转向能够处理灰色地带的逻辑方案，来处理诸如“小”“大”“年轻”等不精确概念。传统的布尔逻辑排除了模糊集合成员关系，而模糊逻辑允许集合的部分成员关系，并基于此类集合指定集合运算，从而为更透明、更精细的机器推理提供了框架。

1.1 模糊逻辑的应用

基于模糊逻辑的系统在各种工业控制操作和模式识别任务中已被证明非常有用，涵盖从手写识别到信用评估等多个领域。日本甚至设立了专门针对模糊系统的国家研究项目。许多日本金融机构，如山一证券和日兴证券，都在使用模糊逻辑进行投资组合管理和个人贷款评估。梅图斯系统集团为旅行者保险公司应用模糊逻辑来检测医疗保健索赔中的欺诈行为。该欺诈检测系统使用常见的语言描述，如“高”“低”“减少”，并设有类似“如果晚间办公室就诊次数高，则欺诈可能性增加”这样的规则。

2. 基于规则的系统和统计方法

更传统的人工智能形式和统计技术也被用于打击欺诈。在英国，巴克莱银行使用的 Fraud 2000 和 Fraudwatch 系统可能是最为人熟知的。Fraudwatch 是最初的系统，它在交易记录到账户时对其进行操作。该系统使用知识库系统来查找与账户相关的购买模式中的差异。该系统运行良好，并且仍在不断改进。巴克莱银行报告称，1994 年巴克