编者案：Catherine Lu是DataVisor的技巧产物司理，本文论述了人工智能袭击讹诈行动的三种重要办法。
人工智能将成为将来的主流。它会在联网的家里、车里和其他任何处所涌现。固然它其实不像外星人一样吸引眼球，然则人工智能在侦察讹诈行动上起到了主要的感化。牵制讹诈行动是一场耐久战。这场战斗中的两边——大好人阵营和坏人阵营，都在赓续疾速停止调剂，以让人工智能施展它的最年夜感化。
人工智能以后有三种重要的办法反抗讹诈行动，分离对应人工智能的开辟范畴。它们是：
1.规矩和信用列表
2.监视机械进修
3.无监视机械进修
规矩和信用列表
在明天，许多古代的组织应用规矩和信用列表袭击讹诈，这个相似于“专家体系”，它在1970年月初次进入人工智能范畴。专家体系是联合了范畴专家制订的规矩的盘算机法式。它们易于启动和运转，而且有人的懂得才能，但它们异样也遭到了不灵巧性和须要年夜量人力这两方面特征的限制。
“规矩”是指人编码的一个逻辑语句，它用来侦察有讹诈的账户和行动。举个例子，一个机构能够会制订一个规矩：“假如一个账户消费了跨越一千美元买一个器械，坐标在尼日利亚，且登录时光小于24小时，那就阻挡这笔生意业务。”
信用列表，类似地，树立在已知的不良行动的基本上。信用列表就是一个显示一些IP地址、装备类型和其他个体特点及其对应的信用评分的列表。然后，假如一个账户的IP地址涌现在黑名单列表上，你就去阻挡它们。
固然规矩和信用列表是侦察并预防讹诈的一个好办法，然则它很轻易被收集罪犯玩弄于股掌间。现在，数字办事触目皆是，招致注册进程变得愈来愈轻易。是以，讹诈者只需花一点的时光便可以创立几十个乃至数千个账户，然后应用这些账户去进修规矩和信用列表。犯法者可以便利地拜访云托管办事、虚拟公有收集、匿名电子邮件办事、装备仿真器和挪动装备闪存，从而逃过信用列表的疑惑。
自1990年月以来，专家体系在许多范畴都掉宠了，它输给了更先辈的技巧。明显，我们应当有更好的反讹诈的对象。但是，古代公司中的许多反讹诈团队仍在用这类根本的办法去侦察讹诈，这招致了年夜量的人工评价开支、误报和不良的侦察成果。
监视机械进修(SML)
机械进修是人工智能的一个分支，它测验考试着去处理以后灵巧性缺掉的成绩。研讨人员想让机械从数据中获得信息，而不是为盘算机应当自动寻觅的器械编程（与专家体系分歧）。机械进修在1990年月开端获得卓著的提高，到了2000年月它被有用地用于反讹诈。
监视机械进修可运用于讹诈是一个很年夜的提高。它与规矩和信用列表有很年夜的差别，由于它不再只是经由过程简略的规矩看几个特点，而是参考一切的特点。
这类办法有一个缺陷。一个用于侦察讹诈的监视机械进修的模子必需应用汗青数据来断定讹诈账户和行动，并辨认好的账户和行为。随后，模子可以阅读与账户相干的一切的特点来做出决议。是以，模子只能找出和本来的进击类似的讹诈行动。很多狡诈的古代讹诈者依然可以避开这些监视机械进修的模子。
运用于侦察讹诈的监视机械进修是一个正在成长的活泼范畴，有许多的监视机械进修的模子和办法。例如，将神经收集运用于讹诈长短常有赞助的，由于它可以主动化特点进程，而这个步调长短常昂贵而且须要工资干涉的。这个办法绝对其他监视机械进修模子，可以削减误报和漏报的产生频率，例如支撑平安虚拟机和随机丛林模子，由于隐蔽的神经元可以比人类编出更多的特点能够性。
