美国财政部表示，其扩大使用机器学习系统有助于在 2024 年发现和防止数十亿美元的欺诈性支付。
财政部是许多联邦项目的开具机构，每年为社会保障和医疗补助等项目处理约 14 亿笔价值 6.9 万亿美元的付款。
据一份新闻稿称，在截至 9 月的最近一个财政年度中，该机构采用的新数据驱动方法来根除不良行为者，有助于防止和追回超过 40 亿美元的欺诈性付款。这比 2023 财年发现或追回的 6.527 亿美元的欺诈性付款增加了六倍多。
该机构将这一增长归功于其新的数据驱动欺诈检测方法。其中包括使用机器学习来识别欺诈行为并优先考虑高风险交易以进行进一步调查。财政部还与其他联邦和州机构合作，通过其“拒绝付款”数据库和其他支付完整性工具共享信息。
美国财政部副部长沃利·阿德耶莫 (Wally Adeyemo) 在一份声明中表示：“财政部认真履行我们的责任，有效管理纳税人的钱。帮助确保各机构在正确的时间向正确的人支付正确的金额是我们工作的核心。在过去的一年里，我们在防止超过 40 亿美元的欺诈和不当支付方面取得了重大进展。我们将继续与联邦政府的其他部门合作，为他们提供必要的工具、数据和专业知识，以阻止不当支付和欺诈行为。”
虽然阻止或追回 40 亿美元的欺诈性支付并不是一个小数目，但与政府对欺诈行为发生的金额的估计相比，这个数字就显得微不足道了。
今年 4 月，美国联邦政府问责局估计，联邦机构每年因欺诈造成的损失在 2330 亿美元至 5210 亿美元之间。美国政府问责局的报告建议，财政部应更好地利用数据分析工具，因为其在处理付款方面发挥着核心作用。
政府机构和金融机构都越来越依赖机器学习算法来识别欺诈者。这些系统使用有关付款接收者的大量数据（包括其银行账户、实际地址、IP 地址、人口统计信息、用户名和密码的详细信息）来识别与欺诈相关的模式。
正如财政部在之前有关金融行业欺诈的报告中指出的那样，这种“用于训练欺诈检测模型的历史数据可能存在偏见，例如在反欺诈案件中某些人口统计数据的代表性过高”。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/mei-guo-cai-zheng-bu-cheng-ren-gong-zhi-neng-gong-ju-zai
