Klokken 02:14 brukes et kredittkort som vanligvis brukes til å kjøpe dagligvarer i Ohio til å kjøpe elektronikk i Romania. Bankens svindeldeteksjonssystem flagger det før transaksjonen fullføres. En tekstmelding sendes til kortinnehaveren. Belastningen avvises. Denne sekvensen skjer millioner av ganger om dagen, og den er avhengig av mønstergjenkjenning snarere enn menneskelig gjennomgang.

Moderne svindeldeteksjon kombinerer regler og maskinlæring. Enkle regler fanger opp åpenbare problemer: en transaksjon i et land du aldri har besøkt, tre bensinstasjonsavgifter på ti minutter, et kjøp langt over dine vanlige forbruk. Maskinlæringsmodeller går lenger. De lærer hver kundes normale oppførsel og vurderer hver transaksjon for risiko. Hvis poengsummen krysser en terskel, handler banken.

Verktøyene inkluderer transaksjonsovervåking i sanntid, fingeravtrykk av enheter, geolokasjonssjekker og atferdsbiometri, som for eksempel hvordan du skriver inn passordet ditt. Banker deler data gjennom konsortier for å oppdage svindelringer som beveger seg mellom institusjoner. Ingenting av dette er perfekt. Falske positiver irriterer kunder og koster selgere salg. Svindlere tilpasser seg stadig.

Innsatsen fortsetter å øke. Globale tap fra kortsvindel overstiger 30 milliarder dollar i året, og svindel som involverer autoriserte push-betalinger vokser raskere enn kortsvindel. Banker advarer nå kunder i appen før de sender penger til en mistenkelig konto.