艾公司（ai）CEO马克·戈德斯平克博士 – 采访系列

马克·戈德斯平克博士是艾公司（ai）的CEO，该公司提供独特的自助式欺诈检测解决方案，被许多行业“思想领袖”认为是世界上最好的。这些解决方案，包括新的“最先进的”机器学习保护和丰富支付体验，服务于100多家银行，300万多个多渠道商户和3亿多个消费者卡持有者。他们每年还监控250亿多笔交易和授权。

最初是什么吸引你进入机器学习和人工智能领域？

人工智能是唯一能够高效处理大型数据源的商业决策方式。

我第一次使用机器学习（1992年）是研究燃料行业的价格弹性。每个服务站和产品都有自己的弹性指数。我们使用人工智能创建了一个预测性定价工具，以帮助我们了解价格与需求量之间的关系。该工具至今仍被全球使用。

能否简要介绍一下艾公司（ai）是什么？

ai促进了支付解决方案的数字化，提供企业云产品和服务。简单来说，我们旨在使客户的支付技术与不断演变的数字市场保持一致。我们认为，支付应该变得不可见，这样企业就可以更专注于管理客户，而不必担心如何收款。

目前使用哪些机器学习技术来标记潜在威胁和欺诈？

在欺诈和威胁检测领域，使用了许多不同的方法和技术。早期的例子包括贝叶斯逻辑和决策树。后来的创新导致了神经网络的广泛采用，这些网络至今仍被广泛使用。机器学习（ML）在其他行业的快速采用促进了其他方法的采用，例如无监督技术、XGBoost等。大多数企业选择开发自己的方法，这些方法通常基于现有的方法，以提高检测性能。

目前，即使机器学习承担了大部分“重活”，仍然需要大量的监控来保持欺诈的领先地位。如何通过模型编排来自动化欺诈管理过程以解决这个问题？

大多数欺诈系统使用多个模型来检测最优数量的欺诈，同时减少“侮辱”率（拒绝合法支付的次数）。然而，这些系统面临的主要问题是，管理这些模型需要大量额外的治理工作。这种治理和管理工作通常是手动的，使用的模型越多，需要的手动工作量就越大，以确保模型继续表现良好。

模型编排正在革新我们管理欺诈系统的方式。通过编排，机器本身就能管理自己。当模型被识别为性能不佳时，它们会被新的模型或在最新数据上重新训练所替换。该过程使用自动化流程来检索实时模型的性能统计数据，以及离线自动ML生成模型的相同统计数据。当离线模型表现良好时，它们会被推广到生产环境。这形成了一个闭环的自动系统，用于最佳的欺诈检测和商业流程。

能否提供一些之前通过机器学习检测到的网络安全或金融科技威胁的例子？

在ai，我们不断使用我们的机器学习解决方案AutoPilotML来防止欺诈，该解决方案通过自动优化整个欺诈策略（包括机器学习和手动生成的规则）来跟上欺诈趋势。我们的优化解决方案在电信领域检测了账户接管和账户黑客攻击方案，例如，为运营商节省了成千上万英镑。事实上，我们每年检测了近1,000万美元的可疑交易。

在欺诈领域之外，机器学习每天都能防止大规模的网络攻击。例如，微软多年来一直使用机器学习来检测和立即防止来自僵尸网络的网络攻击。2018年2月，他们几乎立即防止了一次大规模的Emotet僵尸网络攻击，使用了他们称之为“分层机器学习”的技术，包括客户端和服务器端的机器学习模型。

网络安全威胁通常来自暗网，您能否讨论一下目前提供的暗网管理服务？

ai提供了一项暗网监控服务，通过Skurio的SaaS应用程序提供，该服务可以在客户数据被泄露到暗网时通知和保护客户。我们认为，这项合作是独一无二的，为我们的用户提供了世界领先的网络安全情报，该服务会自动扫描网站、市场和论坛，以检测客户数据在暗网上的出现。

您是否还有其他关于艾公司（ai）的信息想要分享？

通过拥有世界级的团队来构建伟大的产品和正确的流程。对于团队ai，我感到非常自豪。正是这种团队合作使我们能够创新。

这也是使在ai工作变得愉快和激励我的团队合作。对于我来说，这是领导最有意义的事情——帮助人们发展和成长。

感谢这次精彩的采访，希望了解更多的读者可以访问艾公司（ai）。