由于人工智能无法独自应对网络欺诈，因此人工智能和人类智慧的结合才是前进的方向。

网络欺诈是一种全球性威胁，专家们认为这是世界上增长最快、最危险的经济犯罪。不难理解其原因。根据目前的预测，到2021年，互联网欺诈在全球造成的损失将达到6万亿美元。人工智能（AI）被认为是身份验证市场中的关键技术驱动力，许多人认为人工智能将有助于解决网络欺诈问题。但是，当人工智能变得越来越智能化的时候，欺诈者也在试图挑战它所提供的保护。

现在是犯罪分子利用许多在线操作的安全协议的绝佳机会，因为冠状病毒疫情已经迫使他们加速向数字化迈进。因此，新账户欺诈正成为一个主要问题，来自Action Fraud公司的最新调查数据显示，自从今年3月23日以来，网上购物欺诈造成1660万英镑的损失。

 人工智能适合在哪里采用？

从身份管理的角度来看，人工智能在验证过程中起着至关重要的作用。它通过读取复杂的安全功能（如全息图和微缩文本）来识别和分类文档的能力通常会导致强大而可靠的身份验证。此外，生物识别技术的重大进步提供了更高水平的防欺诈标准。例如，Liveness Detection是人工智能计算机系统确定其与真实存在的人员而非虚假的伪造物交互作用的能力，它正在帮助防止欺诈者使用被盗的照片，深度假冒视频或面具来进行访问。或创建在线帐户。活体检测可以在不到两秒钟的时间内识别并确认这是一张活人的脸，甚至高级面具、冒名顶替者、冒充者和伪装者都可以高度准确地地被发现。

为了测量这些生物识别系统，错误接受率（FAR）被认为是至关重要的。这是一个特定的关键绩效指标，用于衡量生物识别系统的错误接受程度。它跟踪并评估生物识别系统的精度，以确定未经授权的用户在系统上得到验证的速率。当前的法规要求政府使用的生物识别系统的错误接受率（FAR）必须低于0.1％。人工智能驱动的解决方案甚至能够胜过这些难以置信的要求。

尽管人工智能提供了无与伦比的安全性以防止身份欺诈，但欺诈者已变得越来越善于伪造和伪造真实的全息图，从而绕过人工智能和机器学习技术。在这里，采用混合方法变得至关重要，即使是最老练的欺诈者，也几乎无法战胜人工智能技术的最新发展和人类专家。

 混合方法对验证安全性的重要性

人们知道，人工智能和机器学习可以快准确地识别身份证件，提取相关数据并使用生物识别技术来比较面部特征，但是，混合方法可以使这一步骤更进一步发展。当技术检查与人体识别专家的知识相结合时，不仅企业及其客户的安全网增加了一倍，风险降低了一半，新入职客户的转化率也提高了。

实际上，这意味着专有技术将使用人工智能以最大的精度扫描和识别身份证件上的安全特征，例如，包括要求用户将其身份证件朝摄像头前方的各个方向倾斜，以便全息图等安全特征变得可见。同时，经过专门训练的身份识别专家将在视频对话期间检查安全功能。

采取机器和人工相结合的方式进行身份验证时，最关键的区别可能是人类利用自己的直觉来发现个人响应中的差异的能力。例如，眼睛从摄像头移开便可以向身份识别专家建议，客户正在受到胁迫，这是某些技术无法单独识别的。人们还可以问社会工程学问题，以确定客户是否真实。仅使用自动化就意味着一些潜在客户在现阶段将无法通过入职流程，但通过将他们与能够进一步进行身份验证的专家联系起来，转化率会变得更高。简单地说，通过人类和机器的结合，可以实现最高级别的安全。

在身份验证方面有很多选择。然而，对于许多人来说，只采用自动化方法就足够了，为了防止日益复杂的威胁，同时提高客户转化率，现在是时候超越最低限度了。人们必须探索可以从中学到什么，以及如何复制德国著名的世界领先的德国联邦金融监管局的监管制度和格局，以确保金融业保持稳健，并能够挑战日益增长的全球网络犯罪和欺诈威胁。