गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

एआई धोखाधड़ी जांच प्रश्नोत्तरी

परीक्षण धोखाधड़ी वर्ग असंतुलन, झूठी सकारात्मकता, नेटवर्क मॉडलिंग, वेग संकेत, और बदलते धोखाधड़ी पैटर्न। मूल्यांकन का दायरा जांचें.

संबंधित मार्गदर्शक पथएआई धोखाधड़ी का पता लगाना

प्रश्न 1 का 8

केवल निश्चित नियम (जैसे, '$5,000 से अधिक का ब्लॉक शुल्क') अक्सर धोखाधड़ी के लिए अपर्याप्त क्यों होते हैं?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

केवल निश्चित नियम (जैसे, '$5,000 से अधिक का ब्लॉक शुल्क') अक्सर धोखाधड़ी के लिए अपर्याप्त क्यों होते हैं?
- धोखाधड़ी प्रतिकूल है और लगातार बदलती रहती है, इसलिए नियम पुराने हो जाते हैं
- उन्हें लिखना बहुत महंगा है
- बैंकों को नियमों का उपयोग करने की अनुमति नहीं है
- नियम केवल सप्ताहांत पर काम करते हैं
धोखाधड़ी का पता लगाने में 'वर्ग असंतुलन' इस तथ्य को संदर्भित करता है कि:
- बहुत सारे बैंक हैं
- धोखाधड़ी वाले लेन-देन सभी लेन-देन का एक छोटा सा हिस्सा हैं
- सभी ग्राहक समान राशि खर्च करते हैं
- डेटा गलत क्लास फ़ाइल में संग्रहीत है
धोखाधड़ी का पता लगाने में 'गलत सकारात्मक' का अर्थ है:
- एक वास्तविक धोखाधड़ी चूक गई
- सिस्टम क्रैश हो गया
- एक वैध लेनदेन को गलती से धोखाधड़ी के रूप में चिह्नित किया गया था
- डुप्लिकेट चार्ज हुआ
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
लेन-देन की निगरानी में कौन सा सिग्नल 'वेग' का उदाहरण है?
- कुछ ही मिनटों में कई आरोप लगना
- ग्राहक का जन्मदिन
- कार्ड का रंग
- बैंक का लोगो
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
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
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