随着5G和物联网推动的智能手机市场蓬勃发展，AI/ML驱动的欺诈检测对于保护收入和客户至关重要。

在5G设备和物联网(IoT)快速普及的推动下，智能手机市场也在快速扩大。在为通信服务提供商(CSP)提供利润丰厚的商机的同时，它也成为易被不法分子利用的渠道。



不法分子正在使用越来越复杂的工具和技术来获得设备或获得服务，包括订阅欺诈，通过网络钓鱼、诈骗等获取个人身份；非法取得客户的真实资料，用以订购设备；订购诈骗，伪造身份证件购买设备；支付欺诈，使用被盗的信用卡或伪造的卡购买设备；以及信用欺诈（代理欺诈），即不想付款的合法客户与诈骗犯合作获取商品或服务。

在全球范围内，这些日益复杂的诈骗方式给电信公司造成了巨大的损失。

平衡销售、欺诈审查和客户满意度

鉴于电信运营商在语音、短信和数据等传统服务上的收入持续下降，通过销售设备来获取收入已成为运营商的必行之路。

在为电信公司带来巨大收入的同时，设备销售也为欺诈风险的上升铺平了道路，包括金钱损失、声誉损害和品牌信任。非法分子已经精通利用现有业务流程中的漏洞，利用审查过程中的漏洞来避免高级验证检查和操纵快递流程来更改地址详细信息，甚至拦截设备。

尽管不法分子的目标始终如一——非法获取设备，但所使用的欺诈方法因购买设备的渠道而异。

一般来说，客户可以通过三种渠道购买设备——电话销售、零售和在线渠道。在这三种渠道中，网络渠道对诈骗的抵抗力最小。为了管理风险和遏制欺诈活动，目前的反应式方法，如基于规则的方法，无法满足现在需要的灵活性、准确性和速度。

在与设备欺诈的斗争中，有远见的运营商正在采用更主动的解决方案，使用先发制人的措施。为了实时检测和防止设备欺诈，AI/ML在提供先进检测技术和功能的解决方案中发挥着核心作用。

检测欺诈活动:AI/ML的优势

电信运营商必须保护自己和客户免受设备欺诈，而实现这一目标的方法是采用全面的欺诈管理解决方案。其中包含策略控制、基于规则的检测、基于AI/ML的实时评分以及基于深度学习算法的生物识别和文档识别的先决条件检查。

这些复杂的基于AI/ML的解决方案自动检测无法通过人工或基于规则的系统识别的模式和异常。通过利用一个或多个模型，基于AI/ML的解决方案可以快速检测各种类型的欺诈方法，从而以更高的精度提供更快的验证结果，而不会阻碍或减慢客户的进程。

从本质上讲，AI/ML模型为CSP提供了速度方面的显著优势，以及理解从传入交易中获得的多种属性所产生的行为特征的能力。然后使用获得的数据对交易进行风险评分。通过使用应用程序编程接口（API），可以实时操作风险评分，并立即得出关于是否应该允许事务的决定。

在当今这个设备欺诈技术和工具日益复杂的时代，电信公司在与设备欺诈的斗争中需要采取人工智能优先的解决方案。这些解决方案如果与合适的人员、流程和技术结合使用，将对电信运营商产生变革性影响，使他们能够扩展人工智能项目，充分发挥其潜力。

 

来源：https://aimagazine.com/articles/how-an-ai-first-approach-can-curtail-device-fraud