很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于电子商务为人工智能发现机会制造了机会的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对电子商务为人工智能发现机会制造了机会这篇文章感兴趣的小伙伴可以一起来看看

大多数人认为欺诈行为的第一个领域是金融。这不仅包括骗子，而且包括银行和交易在内的各种攻击。关于如何使用人工智能(AI)解决更广泛的欺诈领域(例如药品处方欺诈)，已经进行了很多讨论。去年，在线市场和交付服务的使用有了惊人的增长。这些地区的欺诈行为也有所增加。出于与在其他领域使用AI的相同原因，将AI应用于这些问题。

在线市场上最简单的欺诈方法之一是注册多个帐户并公布虚假列表。标准程序技术通常由于与垃圾邮件处理效果不佳的相同原因而失败-帖子中的文字表示欺诈，需要AI才干理解该文字并对帖子进行分类，以防可能浮现欺诈。

零工经济与电子商务密切相关，是另一个需要解决现代欺诈问题的领域。已经为客户，企业和送货驱动程序创建了多个平台，其中餐饮服务就是一个很好的例子。

识别财务舞弊和相关舞弊的最大挑战是这种情况很少见。技术术语

是稀疏的吗?欺诈的另一个关键方面是欺诈者不断发明新方法。当发生规则以外或标记事件时，基于规则的系统和有监督的学习型AI就会失败。这就是为什么无监督模型始终是欺诈中的关键组成部分，因为它可以在不知道异常交易的情况下检测到异常交易。

需要分析的一个有趣领域是电子商务和实物交付。在大流行之前这是一个增长中的部门，但是去年看到了巨大的增长，这对敌对行动者很有吸引力。“我们作为电子商务平台的客户的欺诈行为有所增加，”DataVisor首席执行官谢英莲表示。“例如，组织团体已经在买方，卖方和送货公司之间进行了协调，以进行从未交付的欺诈性购买，从而从平台上付款。”

尽快识别欺诈性交易很重要，但另一方面也有误报。良好的客户服务的一部分不会中止客户的交易，因为它超出了她的正常购买模式。一种方法是认识到欺诈很少发生在单个帐户中。AI可以追寻模式，例如识别在短时间内从相同或相似的IP地址创建的多个帐户。结果可能是那些帐户比单独帐户或现有帐户更关注交易。

但是，这种方法并不完美(好像有一种完美的方法……)。平台或行业的类型将影响AI的响应方式。目标是尽可能地进行自动操作。谢女士说：“社交媒体平台的交流量很大。”“对这些内容进行大量的人工审查是不现实的，因此行业主要希翼自动采取行动。对于金融机构而言，鉴于交易的重要性，它们更加开放

进行人工检查以限制误报。但是，趋势和客户体验要求也日益推动所有交易实时进行，而无需人工检查。”电子商务介于其他两个示例之间。

该系统的核心是经过无监督学习训练的神经网络。但是，正如经常提到的那样，人工智能是一种工具，甚至是工具带，并不是唯一使用的人工智能。规则确实存在，可以简化对模式的理解，同时还可以使用较低的计算开销。一些标准的欺诈模式也可以用于某些监督学习中。这不是纯粹为技术而做出的选择。现有系统的操作员习惯于规则。由于功能工程是AI的一个具有挑战性的方面，因此人们常常开始添加AI系统而忽略了它，因此利用现有功能和规则可以加快任何系统的ROI速度。