凌晨2点14分，一张通常用于在俄亥俄州购买食品杂货的信用卡被用于在罗马尼亚购买电子产品。银行的欺诈检测系统在交易完成前发出警报，持卡人收到短信通知，交易被拒绝。这样的流程每天发生数百万次，而且依靠的是模式识别，而非人工审核。

现代欺诈检测结合了规则和机器学习。简单的规则可以识别出显而易见的问题：例如，在您从未去过的国家/地区进行的交易、十分钟内三次加油站消费、远超您平时消费额的购买行为。机器学习模型则更进一步。它们会学习每位客户的正常行为，并对每笔交易进行风险评分。如果评分超过预设阈值，银行就会采取行动。

这些工具包括实时交易监控、设备指纹识别、地理位置检查以及行为生物识别技术，例如您输入密码的方式。银行通过联盟共享数据，以发现跨机构活动的欺诈团伙。但这些措施并非完美无缺。误报会惹恼客户，并导致商家损失销售额。欺诈者也在不断调整策略。

风险不断攀升。全球信用卡欺诈造成的损失每年超过300亿美元，而且涉及授权转账的诈骗增长速度甚至超过了信用卡欺诈。如今，银行会在客户向可疑账户汇款前，通过应用程序发出警告。