美國財政部稱AI在2024年防止了價值10億美元的欺詐行爲

美國財政部表示，其擴大使用的機器學習系統有助於在 2024 年發現並防止數十億美元的欺詐性付款。財政部是許多聯邦項目的支票開具者，每年爲社會保障和醫療補助等項目處理約 14 億筆付款，價值 6.9 萬億美元。

據新聞稿稱，在 9 月結束的最近一個財政年度，該機構採用新的數據驅動方法根除不良行爲者，爲防止和追回超過 40 億美元的欺詐性付款做出了貢獻。 與 2023 財年發現或追回的 6.527 億美元欺詐性付款相比，增長了六倍多。

該機構將這一增長歸功於其新的數據驅動型欺詐檢測方法。 這包括使用機器學習來識別欺詐事件，並優先對高風險交易進行進一步調查。 財政部還與其他聯邦和州機構合作，通過"不支付"數據庫和其他支付完整性工具共享信息。

"財政部認真對待我們作爲納稅人資金的有效管理者的責任。 "財政部副部長瓦利-阿德耶莫（Wally Adeyemo）在一份聲明中說："幫助確保各機構在正確的時間向正確的人支付正確的金額，是我們工作的核心。"在過去的一年中，我們在防止超過 40 億美元的欺詐和不當支付方面取得了重大進展。 我們將繼續與聯邦政府其他部門合作，爲他們提供必要的工具、數據和專業知識，以阻止不當支付和欺詐行爲。"

雖然防止或追回的 40 億美元欺詐性付款並不是一個小數目，但與政府對欺詐發生額的估計相比就顯得微不足道了。

今年 4 月，聯邦政府問責局估計，聯邦機構每年因欺詐損失 2330 億至 5210 億美元。 美國政府問責局的報告建議，財政部因其在處理支付方面的核心作用，應更好地利用數據分析工具。

政府機構和金融機構都越來越依賴機器學習算法來識別欺詐行爲。 這些系統使用收款人的大量數據--包括銀行賬戶、實際地址、IP 地址、人口信息、用戶名和密碼等詳細信息--來識別與欺詐有關的模式。

正如財政部在以前有關金融部門欺詐的報告中所指出的，這種"用於訓練欺詐檢測模型的歷史數據可能存在偏差，例如反欺詐案件中某些人口統計信息的比例過高"。