如何使用关系数据库和统计模型来检测金融欺诈并保护普通人的银行账户？
1、我的部分工作是使用规则和模型来检测潜在的交易欺诈和激励游戏，但也延伸到检测垃圾邮件、不当内容和虚假评论等方面。我的角色可能比你在大多数地方找到的要广泛一些。
您会发现不同的标题和条款，具体取决于您是在查看银行/支付处理商/金融科技公司还是市场
一些相关职位：欺诈分析师、风险分析师、运营分析师（取决于部门/团队）
要查找的其他相关词/短语：信用风险、合规性、AML（反洗钱）、信任与安全、ATO（账户接管）
2、我从事保护营销支出的欺诈分析（点击欺诈检测）工作。我们主要研究进行点击欺诈的人/团伙/公司（包括纳斯达克上市公司），建立系统来检测他们的欺诈行为，例如检测机器人和其他形式的点击欺诈，并帮助广告商保护自己。
点击欺诈场景最令人着迷的是它是多么普遍，以及广告网络如何在处理它方面做得如此糟糕。例如，Microsoft Ads 几乎不检测点击欺诈，因此它对骗子来说是免费的。
3、我曾经为一家贷方的欺诈部门做分析工作。我所做的很多工作都是更多的运营报告类型的东西，但我偶尔会开发模型并帮助改进我们的系统以阻止欺诈行为出现在账簿上。
在我看来，很多欺诈预防工作是由主题专家而不是分析人员完成的。一些公司正在寻求利用分析来预防欺诈，而其他公司则非常乐意让他们的行业资深人士来处理它。
4、我在医疗保健环境中进行了行为异常检测。我们检测到药物盗窃（转移）。
5、我在保险行业，我们有一些欺诈分析师，尽管我不是其中之一。他们使用 IBM 的 i2 工具（除其他外），该工具非常酷，值得研究。
6、我做了一段时间，但我们的很多流程都是非常手动的，有很多基于特定模式的交易审查。
我角色的 BI 部分涉及构建有关特定市场/支付方式绩效的 Tableau 仪表板，并使用 SQL 提取临时报告。
现在，我的老团队已经获得了大量的带宽和预算来启用为决策算法提供数据的外部检测工具。自从我离开并且没有被替换后，他们仍然缺乏很多 BI 能力。
7、我在世界上最大的金融科技公司之一从事欺诈分析工作。我们在整个公司约有 150 名分析师、数据科学家和工程师，从事欺诈建模、预防等工作
8、我确实帮助客户使用 Elastic Stack 实施欺诈检测。它是金融欺诈分析/检测的绝佳解决方案。
9、我曾经管理过一个这样做的团队。我们有各种各样的技术，我不会介绍所有这些技术，但不难想到场景。
我们寻找异常值（为群组创建行为模式，然后寻找偏差 - PA 可能会在同一天为他们管理的团队预订多列火车，但初级顾问不会），不寻常的交易模式（类似但交易类型）、细节翻转（收款人银行账户的更改和更改）、重复等。
主要思维方式是寻找奇数，而不是平均值。
医疗保健也是一个有趣的话题。处方模式与临床结果等。
供应链泄漏是另一个问题。它非常小众，可悲的是它发现了很多坏事，尽管有时是偶然的，而且数据质量和计算机系统错误通常会导致很多问题，但是当你抓住某人时，这是有益的。
在银行业，授权欺诈、洗钱、KYC 都是热门话题。
10、我做过欺诈分析方面的工作，特别是反洗钱数据质量，以及封闭式贷款的欺诈/游戏检测报告。
对于许多领域，您将需要快速运行的异常检测模型，但有些挑战更为传统（如数据质量，如更新以适应不断变化的实践，如围绕欺诈检测与客户可用性的产品分析），当然有些领域不那么密集。欺诈是信用卡的 ML 挑战，但欺诈和委托代理冲突可能是风险较小和交易量较低的领域中更传统的分析。
11、这种描述通常会在更高级别的角色下进行，而不仅仅是分析师职位。考虑到数字领域欺诈的复杂性，该领域非常存在并且非常重要。你不会看到很多关于它或使用的复杂方法，因为公司宁愿你不知道他们有复杂的欺诈解决方案。如果解决方案公开，即使没有用于构建它的数据，也可以对其进行逆向工程以查找漏洞。
12、我有一个朋友为一家大银行开发了欺诈检测模型。它绝对存在。
13、我是一名 MLE，我们将欺诈与我们的信用风险/信用决策一起建模。欺诈风险成为决策模型中的一个特征