ZD至顶网软件频道消息: 银行的数字化服务,不仅为移动端客户提供了高速和便捷,同时也让诈骗犯有机可乘。SAS与Javelin Strategy & Research最新发表的《2016数字渠道威胁报告:降低便利带来的风险》(2016 Digital Channel Threat Report: Derisking Convenience)中指出,数字通道正逐渐暴露出银行一些前所未见的弱点。
快速获得贷款、手机远程存款、快速付款等,银行和金融服务供应商为移动端用户提供多样的便利服务,帮助客户简单快速地进行交易。但是就像硬币的两面,这同样给诈骗犯提供了可乘之机。
芯片卡的影响
EMV,也称为“芯片卡”,发明最初是用来阻击那些来自销售点和物理卡的威胁。英国和欧洲国家在十多年前推出芯片卡时,数字环境还比较单纯;初在美国发行时,芯片卡从物理卡诈骗的角度看,确实可以威慑犯罪分子。但是随着时代的变迁,银行数字渠道的蓬勃发展也催生了不少无卡诈骗的方式。现在,看起来千变万化的数字化选项,虽然深受消费者的喜爱,但也为诈骗犯开辟了更多其它途径。
看看不断增加的数字化支票账户的开立比例——从2014年的49%上升到2015年的70%。同时,新账户诈骗案例也在激增——2015年遭遇新信用卡账户诈骗的受害者人数,是2014年的两倍还多,这并非巧合。
更多手机钱包,更多欺诈渠道
在未来几年,手机钱包只会更加普及。预计,到2019年,手机钱包用户将达到近9000万,这种趋势为银行创造了通过提供银行品牌的移动钱包和服务吸引并赢得客户的机会。而在技术上落后的银行则面临着被竞争对手抢走客户的危险。
与此同时,对于诈骗犯来说,这种吸引同样强大。例如,随着使用移动设备进行交易的能力快速增长,被盗的智能手机在黑市上将更值钱。再来,就是“钱包接管”或“设备接管”——即一个未授权方使用移动钱包登录他人金融账户,或在未授权方自己的设备上安装他人的移动钱包:如果欺诈者正在控制着账户的沟通渠道,那么找回此账户的控制权将十分困难。
消费者的责任意识与行动脱节
调查指出,消费者对于个人银行数据安全需要自我保护的认同感很高:约46%的人认为在防止被欺诈时个人负主要责任,而只有17%的人认为金融机构需要负主要责任。
但是,虽然明确了责任,许多用户还是没能用最简单的方法保护自己。例如,在接受调查的智能手机用户中,不到三分之一的用户会在手机上使用杀毒或反木马软件、只有四分之一会定期更改他们的移动设备密码。
平衡的防诈骗方式的三步骤
SAS确定了三种行之有效的办法,金融机构可以用来在客户的需求和欺诈保护之间取得平衡:
“大多数客户希望能够主动保护自己免于受骗。而银行往往认为他们已经尽一切所能来帮助他们的客户了,”SAS银行欺诈解决方案经理Ian Holmes说,“但其实一点点同理心就能够挽留住客户。如果能够打破前台客服团队与风险和欺诈业务之间的藩篱,银行将会是最大的赢家。这就是避免在进行尽职调查和适当教育之前就简单粗暴推出技术手段的办法。“
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。