Тест, свързан с ръководство · Среден Ниво

Тест за откриване на измами с изкуствен интелект

Тествайте дисбаланс на класа на измами, фалшиви положителни резултати, мрежово моделиране, сигнали за скорост и променящи се модели на измами. Проверете обхвата на оценката.

Свързани ръководни пътекиAI откриване на измами
Въпрос 1 на 8

Защо сами по себе си фиксираните правила (напр. „блокови такси над $5000“) често са неадекватни за измама?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Защо сами по себе си фиксираните правила (напр. „блокови такси над $5000“) често са неадекватни за измама?
    • Измамата е конкурентна и постоянно се променя, така че правилата остаряват
    • Те са твърде скъпи за писане
    • Банките нямат право да използват правила
    • Правилата работят само през почивните дни
  2. „Класовият дисбаланс“ при откриването на измами се отнася до факта, че:
    • Има твърде много банки
    • Измамните транзакции са малка част от всички транзакции
    • Всички клиенти харчат една и съща сума
    • Данните се съхраняват в грешен клас файл
  3. „Фалшиво положително“ при откриване на измами означава:
    • Пропусната е истинска измама
    • Системата се срина
    • Законна транзакция е погрешно маркирана като измама
    • Възникна дублирано таксуване
  4. What challenge can neighbor-based message propagation create for a fraud GNN?
    • It guarantees every linked account is fraudulent
    • It removes all concept drift from the data
    • It prevents investigators from reviewing transactions
    • Neighbor and hub effects can amplify class-imbalance problems
  5. Кой сигнал е пример за „скорост“ при наблюдение на транзакции?
    • Много такси се случват в рамките на няколко минути
    • Рожден ден на клиента
    • Цветът на картата
    • Лого на банката
  6. What fraud typology did FinCEN’s 2024 deepfake alert describe?
    • Deepfakes that automatically reverse settled transactions
    • Deepfake media and fraudulent identity documents used to evade identity verification or authentication
    • A rule requiring banks to reject every voice call
    • Synthetic identities that prove a customer committed a crime
  7. Why can accuracy be misleading for a highly imbalanced fraud dataset?
    • Accuracy is always equal to recall
    • Fraud labels are never used
    • A model can score high accuracy by predicting the majority legitimate class while missing fraud
    • The test set must contain no legitimate transactions
  8. What is one reason a graph model can help identify linked fraud patterns?
    • It removes the need for labels or investigation
    • It proves that connected accounts are criminal
    • It guarantees real-time detection
    • It can represent relationships among accounts, transactions, or devices