Om 2:14 uur 's nachts wordt een creditcard die normaal gesproken gebruikt wordt voor boodschappen in Ohio, gebruikt om elektronica te kopen in Roemenië. Het fraudedetectiesysteem van de bank geeft een waarschuwing voordat de transactie is voltooid. De kaarthouder ontvangt een sms-bericht. De betaling wordt geweigerd. Deze reeks gebeurtenissen vindt miljoenen keren per dag plaats en is gebaseerd op patroonherkenning in plaats van menselijke controle.

Moderne fraudedetectie combineert regels en machine learning. Simpele regels signaleren overduidelijke problemen: een transactie in een land dat u nog nooit hebt bezocht, drie tankbeurten binnen tien minuten, een aankoop die ver boven uw gebruikelijke uitgaven ligt. Machine learning-modellen gaan een stap verder. Ze leren het normale gedrag van elke klant kennen en beoordelen elke transactie op risico. Als de score een bepaalde drempel overschrijdt, grijpt de bank in.

De tools omvatten realtime transactiemonitoring, apparaatidentificatie, geolocatiecontroles en gedragsbiometrie, zoals de manier waarop je je wachtwoord typt. Banken delen gegevens via samenwerkingsverbanden om fraudenetwerken op te sporen die tussen instellingen actief zijn. Niets is perfect. Valse meldingen irriteren klanten en kosten winkeliers omzet. Fraudeurs passen zich voortdurend aan.

De risico's worden steeds groter. Wereldwijd lopen de verliezen door creditcardfraude op tot meer dan 30 miljard dollar per jaar, en oplichtingspraktijken met geautoriseerde pushbetalingen nemen sneller toe dan creditcardfraude. Banken waarschuwen klanten nu via de app voordat ze geld overmaken naar een verdachte rekening.