图技术和人工智能相结合,Intuit 利用图特征将欺诈检测提高了 50%
鉴于 Intuit 转向 AI 驱动的欺诈和风险平台,我们的大部分风险缓解控制都基于 ML 模型。我们实施了一个图数据库系统来反映我们的客户关系并检测可疑活动。具体而言,我们的目标是使用图洞察力将 ML/AI 模型中的欺诈实体联系起来,以加强我们的欺诈和风险控制,减少端到端生态系统中多个检查点的欺诈,并改善客户体验。
鉴于 Intuit 转向 AI 驱动的欺诈和风险平台,我们的大部分风险缓解控制都基于 ML 模型。我们实施了一个图数据库系统来反映我们的客户关系并检测可疑活动。具体而言,我们的目标是使用图洞察力将 ML/AI 模型中的欺诈实体联系起来,以加强我们的欺诈和风险控制,减少端到端生态系统中多个检查点的欺诈,并改善客户体验。
Anna Veronika Dorogus
Machine Learning Expert
Anna Veronika Dorogush graduated from Lomonosov Moscow State University and Yandex School of Data Analysis. She used to work at ABBYY, Yandex, Microsoft and Google on Machine Learning infrastructure and Machine Learning frameworks. In 2017 she published the open-source library CatBoost, which is now one of top-3 most popular Gradient Boosting libraries, and the top 7-th most used Machine Learning framework in the world according to Kaggle 2021 review.