Klokken 02:14 bruges et kreditkort, der normalt bruges til at købe dagligvarer i Ohio, til at købe elektronik i Rumænien. Bankens svindeldetekteringssystem markerer det, før transaktionen gennemføres. En sms sendes til kortholderen. Opkrævningen afvises. Denne sekvens sker millioner af gange om dagen, og den er afhængig af mønstergenkendelse snarere end menneskelig gennemgang.

Moderne svindelopsporing kombinerer regler og maskinlæring. Enkle regler fanger åbenlyse problemer: en transaktion i et land, du aldrig har besøgt, tre tankstationsgebyrer på ti minutter, et køb langt over dit sædvanlige forbrug. Maskinlæringsmodeller går videre. De lærer hver kundes normale adfærd og vurderer hver transaktion for risiko. Hvis scoren overstiger en tærskel, handler banken.

Værktøjerne omfatter overvågning af transaktioner i realtid, fingeraftryk af enheder, geolokationstjek og adfærdsbiometri, såsom hvordan du indtaster din adgangskode. Banker deler data gennem konsortier for at opdage svindlerringe, der bevæger sig mellem institutioner. Intet af dette er perfekt. Falske positiver irriterer kunder og koster forhandlere salg. Svindlere tilpasser sig konstant.

Indsatsen stiger fortsat. Globale tab fra kortsvindel overstiger 30 milliarder dollars om året, og svindel med autoriserede push-betalinger vokser hurtigere end kortsvindel. Banker advarer nu kunder i appen, før de sender penge til en mistænkelig konto.