새벽 2시 14분, 평소 오하이오에서 식료품을 살 때 사용하던 신용카드가 루마니아에서 전자제품을 구매하는 데 사용됩니다. 은행의 사기 탐지 시스템은 거래가 완료되기 전에 이를 감지합니다. 카드 소지자에게 문자 메시지가 전송되고, 결제는 거부됩니다. 이러한 일련의 과정은 하루에 수백만 번 발생하며, 사람의 검토가 아닌 패턴 인식에 기반합니다.

최신 사기 탐지 시스템은 규칙 기반 탐지와 머신 러닝을 결합합니다. 간단한 규칙은 명백한 문제를 포착합니다. 예를 들어, 한 번도 방문한 적 없는 국가에서의 거래, 10분 안에 세 번의 주유, 평소 지출액을 훨씬 초과하는 구매 등이 있습니다. 머신 러닝 모델은 여기서 더 나아가 각 고객의 일반적인 행동 패턴을 학습하고 모든 거래의 위험도를 평가합니다. 위험도가 특정 임계값을 넘으면 은행은 조치를 취합니다.

이러한 도구에는 실시간 거래 모니터링, 기기 지문 인식, 위치 정보 확인, 비밀번호 입력 방식과 같은 행동 생체 인식 등이 포함됩니다. 은행들은 컨소시엄을 통해 데이터를 공유하여 기관 간에 이동하는 사기 조직을 적발합니다. 하지만 이러한 시스템이 완벽한 것은 아닙니다. 오탐지는 고객에게 불편함을 주고 가맹점의 매출 손실을 초래합니다. 사기범들은 끊임없이 수법을 바꿉니다.

위험 부담은 계속 커지고 있습니다. 전 세계 카드 사기 피해액은 연간 300억 달러를 넘고 있으며, 승인되지 않은 계좌로 송금하는 사기 수법은 카드 사기보다 빠르게 증가하고 있습니다. 이제 은행들은 고객이 의심스러운 계좌로 송금하기 전에 앱에서 경고 메시지를 표시합니다.