凌晨2點14分，一張通常用於在俄亥俄州購買食品雜貨的信用卡被用於在羅馬尼亞購買電子產品。銀行的詐欺偵測系統在交易完成前發出警報，持卡人收到簡訊通知，交易被拒絕。這樣的流程每天發生數百萬次，而且依賴的是模式識別，而非人工審核。

現代詐欺偵測結合了規則和機器學習。簡單的規則可以識別出顯而易見的問題：例如，在您從未去過的國家/地區進行的交易、十分鐘內三次加油站消費、遠超您平時消費額的購買行為。機器學習模型則更進一步。它們會學習每位客戶的正常行為，並對每筆交易進行風險評分。如果評分超過預設閾值，銀行就會採取行動。

這些工具包括即時交易監控、裝置指紋辨識、地理位置檢查以及行為生物辨識技術，例如您輸入密碼的方式。銀行透過聯盟共享數據，以發現跨機構活動的詐欺團夥。但這些措施並非完美無缺。誤報會惹惱客戶，並導致商家損失銷售。詐欺者也在不斷調整策略。

風險不斷攀升。全球信用卡詐欺造成的損失每年超過300億美元，而且涉及授權轉帳的詐騙成長速度甚至超過了信用卡詐欺。如今，銀行會在客戶向可疑帳戶匯款前，透過應用程式發出警告。