Ve 2:14 ráno je kreditní karta, kterou se obvykle platí za potraviny v Ohiu, použita k nákupu elektroniky v Rumunsku. Systém banky pro detekci podvodů to označí před dokončením transakce. Držiteli karty je odeslána textová zpráva. Platba je odmítnuta. Tato sekvence se opakuje milionkrát denně a spoléhá se spíše na rozpoznávání vzorů než na lidské posouzení.

Moderní detekce podvodů kombinuje pravidla a strojové učení. Jednoduchá pravidla odhalují zjevné problémy: transakci v zemi, kterou jste nikdy nenavštívili, tři nabití čerpací stanice během deseti minut, nákup vysoko nad rámec vašich obvyklých výdajů. Modely strojového učení jdou ještě dál. Učí se běžné chování každého zákazníka a hodnotí každou transakci z hlediska rizika. Pokud skóre překročí určitou prahovou hodnotu, banka zasáhne.

Mezi tyto nástroje patří monitorování transakcí v reálném čase, otisky prstů zařízení, kontroly geolokace a behaviorální biometrie, například způsob, jakým zadáváte heslo. Banky sdílejí data prostřednictvím konsorcií, aby odhalily podvodné skupiny, které se pohybují mezi institucemi. Nic z toho není dokonalé. Falešně pozitivní výsledky obtěžují zákazníky a obchodníky stojí tržby. Podvodníci se neustále přizpůsobují.

V sázce stále rostou. Globální ztráty způsobené podvody s kartami přesahují 30 miliard dolarů ročně a podvody zahrnující autorizované push platby rostou rychleji než podvody s kartami. Banky nyní varují zákazníky v aplikaci, než pošlou peníze na podezřelý účet.