35家金融業者組聯盟用AI模型偵測警示帳戶攔阻詐騙金流，下一步要用聯合學習精進模型

富邦金控在2022年研發出AI偵測技術「鷹眼防詐預測模型」，在金管會、刑事局、數位部等支持之下，2023年底分享該技術與其他金融業者共組鷹眼識詐聯盟，擴大金融科技防詐面向，現在已有35家金融機構先後加入聯盟，利用AI模型偵測異常交易，今天（8/14）鷹眼識詐聯盟展示成果，警示帳戶預先管控率最高達到80%，成功攔截逾3.6億元，避免遭詐騙集團移轉。鷹眼防詐預測模型下一步，將在10月開始運用聯合學習技術優化鷹眼防詐模型，提高防詐應變速度。

過去金融業者仰賴人工方式，根據樣態、經驗各方面判斷，從數千萬筆交易中找出異常，然而，由於交易數量龐大，人工費時費力，且判斷的準確率不高，雖然各家金融業者投入人力辨別可疑交易及帳戶，但是在準確率不高之下，為避免影響正常顧客權益，不敢擅自管控警示帳戶，在防詐預警工作上顯得綁手綁腳，多仰賴銀行員對受害民眾的臨櫃防詐。

富邦金控在2022年提出金融安全數位轉型藍圖，運用科技投入防詐工作，其中之一為透過鷹眼防詐預測模型警示帳戶預先管控，減少人工作業達99%，模型對異常帳戶辨別準確率也比人工方式提高559倍。金融業者共組鷹眼識詐聯盟，以今年1到6月導入成果，5家加入聯盟的金融業月平均預先管控比率在50%以上，甚至有一家業者達到80%，有7家金融業者比率在30到50%之間，預期未來在AI持續學習，比率穩步上升。

檢察官出身的富邦金控副總經理的蔡佩玲表示，目前銀行在防詐上，銀行臨櫃攔阻雖然相當重要，但是在詐騙金流中，臨櫃只佔3成左右，其他近6成金流則是數位的方式，如果不借助科技的力量，很難只以人眼辨別攔阻網路上的詐騙金流，因此需要借助科技的力量，但是要運用科技並不容易，以鷹眼識詐聯盟為例，聯合35家金融業者，因各家業者的資料治理標準不同，為了運用應眼防詐預測模型，需花費相當多時間在資料治理、數位規格的統一，以及技術移轉、調校，聯盟成員每2到3周也需要交流。

她表示，以往金融業者投入大量人力防詐，在聯盟成立10個月後，全臺已有6成的金融機構運用科技防詐，年底的目標是讓100%全部上線，讓AI機器人在全臺灣落地。在導入科技防詐後，預警時間大幅提前，以往金融機構無法預警，必需等到民眾被害報警，金融機構才啟動聯防，現在金融機構在聯盟成立後，可在民眾沒有報警的情形下，提早2周到3個月偵測到帳戶出現問題，預先管控帳戶。

另外，以往民眾被騙後，被害人沒有報案，或不敢報案，金融機構無法預警防詐，現在在AI協助之下，透過AI模型建立預警，從今年初到現在，AI偵測共1.8萬件案子，這些案子中有50%以上為準確的。蔡佩玲指出，在被害民眾報警之前，或民眾不報警，金融業者都能知道，今年1到6月全體聯盟行攔阻金額共有3.6億元，這些錢不同於臨櫃攔阻在民眾匯出錢之前攔截，我們要做到的是即使民眾將錢匯出也能攔阻回來。

運用聯合學習精進AI模型

對於未來，蔡佩玲表示，未來聯盟有三大目標，第一個目標是，建立國家級鷹眼模型，目前AI模型在35家金融機構各自落地，未來結合隱私強化技術，運用聯合學習，跨金融機構訓練AI模型，可以自動調校，以快速因應詐騙手法變化；第二個目標是建立鷹眼照會機制，配合打詐專法實施，鷹眼聯盟成員間建立直接異常帳戶的警示訊息交換機，進一步預控措施。第三個則是從9月起，聯盟全體金融機構的線上線下防詐宣導。

對於跨金融機構訓練鷹眼模型，蔡佩玲指出，目前35家金融業者以鷹眼模型為基礎，導入自家的特徵進一步優化，等於35家機構有各自的AI鷹眼同事，目前各家金融機構依照詐騙的犯罪手法各自調校，對於發現新的詐騙手法特徵，人工方式交流，再各自調校自家的模型。未來要利用聯合學習技術，讓各家業者不分享資料，但分享模型調校參數，透過自動交換，未來半小時內就能完成30多家機構的交換，可依照犯罪手法快速回應。

她表示，希望在今年10月推動聯合學習，先與8家聯盟成員合作，由於聯盟學習需要更精細的資料規格，才能做到自動化，降低現在以人工的方式調校，目前的人工調校，從知道犯罪手法到人工調校約需3到6個月，因應時間較長，未來自動化後，半小時就能因應異常。

由於不同金融機構在金融業務上的量體差異，蔡佩玲舉外籍移工匯款為例，單一家金融機構的外籍移工匯款量體不夠多，難以找到合適模型參數調校，但是透過聯合學習，便能從外籍移工匯款量體大的其他金融機構獲得參數，相較於單一金融機構業者自己不斷測試調校來得好。這也是聯合學習的好處。