في تمام الساعة 2:14 صباحًا، استُخدمت بطاقة ائتمان تُستخدم عادةً لشراء البقالة في ولاية أوهايو لشراء أجهزة إلكترونية في رومانيا. رصد نظام كشف الاحتيال التابع للبنك العملية قبل إتمامها، فأرسل رسالة نصية إلى حامل البطاقة، ثم رُفضت العملية. يتكرر هذا التسلسل ملايين المرات يوميًا، ويعتمد على تقنية التعرف على الأنماط بدلًا من المراجعة البشرية.

يجمع نظام كشف الاحتيال الحديث بين القواعد والتعلم الآلي. تكشف القواعد البسيطة عن المشاكل الواضحة: معاملة في بلد لم تزره قط، ثلاث فواتير في محطات الوقود خلال عشر دقائق، عملية شراء تتجاوز إنفاقك المعتاد بكثير. أما نماذج التعلم الآلي فتتجاوز ذلك، إذ تتعلم سلوك كل عميل المعتاد وتقيّم كل معاملة من حيث المخاطر. إذا تجاوز التقييم حدًا معينًا، يتخذ البنك إجراءً.

تشمل الأدوات مراقبة المعاملات في الوقت الفعلي، وبصمة الجهاز، والتحقق من الموقع الجغرافي، والبيانات البيومترية السلوكية مثل طريقة كتابة كلمة المرور. تتبادل البنوك البيانات من خلال اتحادات لكشف شبكات الاحتيال التي تتنقل بين المؤسسات. مع ذلك، لا يخلو أيٌّ من هذه الأدوات من العيوب. فالإنذارات الكاذبة تُزعج العملاء وتُكبّد التجار خسائر في المبيعات. كما أن المحتالين يتكيفون باستمرار.

تتزايد المخاطر باستمرار. تتجاوز خسائر الاحتيال ببطاقات الائتمان عالميًا 30 مليار دولار سنويًا، وتنمو عمليات الاحتيال التي تتضمن تحويلات مالية غير مصرح بها بوتيرة أسرع من الاحتيال ببطاقات الائتمان. وتقوم البنوك الآن بتحذير عملائها عبر التطبيق قبل إرسال الأموال إلى أي حساب مشبوه.