在公众号「python风控模型」里回复关键字：学习资料
从电子商务支付系统出现的那一刻起，总是有人会找到新的方法来非法获取某人的资金。这已成为现代时代的一个主要问题，因为只需输入您的信用卡信息即可轻松在线完成所有交易。即使在 2010 年代，许多美国零售网站用户在使用两步验证进行网上购物之前就已经成为网上交易欺诈的受害者。当数据泄露导致金钱失窃并最终失去客户忠诚度和公司声誉时，组织、消费者、银行和商家都会面临风险。
2017 年，未经授权的信用卡操作达到了惊人的 1670 万受害者。此外，据美国联邦贸易委员会 (FTC) 报告，2017 年信用卡欺诈索赔数量比上一年高出 40%。加利福尼亚州报告了大约 13,000 起案件，佛罗里达州报告了 8,000 起案件，这两个州是此类犯罪人均最多的州。到 2020 年，所涉金额将超过约 300 亿美元。以下是一些信用卡欺诈统计数据：
机器学习信用卡欺诈检测和传统欺诈检测有什么区别？
基于机器学习的欺诈检测：
- 自动检测欺诈
- 实时流媒体
- 验证方法所需的时间更少
- 识别数据中隐藏的相关性
常规欺诈检测：
- 确定方案的决策规则应手动设置。
- 需要大量时间
- 需要多种验证方式；从而给用户带来不便
- 仅发现明显的欺诈活动
