Pada pukul 02.14 pagi, kartu kredit yang biasanya digunakan untuk membeli bahan makanan di Ohio digunakan untuk membeli barang elektronik di Rumania. Sistem deteksi penipuan bank menandainya sebelum transaksi selesai. Sebuah pesan teks dikirim ke pemegang kartu. Transaksi ditolak. Urutan kejadian itu terjadi jutaan kali sehari, dan bergantung pada pengenalan pola daripada peninjauan manusia.

Deteksi penipuan modern menggabungkan aturan dan pembelajaran mesin. Aturan sederhana menangkap masalah yang jelas: transaksi di negara yang belum pernah Anda kunjungi, tiga kali pengisian bahan bakar di SPBU dalam sepuluh menit, pembelian yang jauh melebihi pengeluaran Anda biasanya. Model pembelajaran mesin melangkah lebih jauh. Mereka mempelajari perilaku normal setiap pelanggan dan memberi skor pada setiap transaksi berdasarkan risikonya. Jika skor melampaui ambang batas, bank akan bertindak.

Alat-alat tersebut mencakup pemantauan transaksi secara real-time, identifikasi perangkat, pengecekan geolokasi, dan biometrik perilaku seperti cara Anda mengetik kata sandi. Bank berbagi data melalui konsorsium untuk mendeteksi jaringan penipuan yang berpindah antar lembaga. Namun, tidak ada yang sempurna. Hasil positif palsu mengganggu pelanggan dan merugikan penjualan pedagang. Para penipu terus beradaptasi.

Risikonya terus meningkat. Kerugian akibat penipuan kartu global melebihi $30 miliar per tahun, dan penipuan yang melibatkan pembayaran otomatis (authorized push payment) tumbuh lebih cepat daripada penipuan kartu. Bank sekarang memperingatkan pelanggan di aplikasi sebelum mereka mengirim uang ke rekening yang mencurigakan.