Kuis Deteksi Penipuan AI

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Mengapa aturan tetap saja (misalnya, 'biaya pemblokiran di atas $5.000') sering kali tidak memadai untuk melakukan penipuan?
   • Penipuan bersifat bermusuhan dan terus berubah, sehingga peraturan menjadi usang
   • Mereka terlalu mahal untuk ditulis
   • Bank tidak diperbolehkan menggunakan aturan
   • Aturan hanya berlaku pada akhir pekan
2. 'Ketidakseimbangan kelas' dalam deteksi penipuan mengacu pada fakta bahwa:
   • Ada terlalu banyak bank
   • Transaksi penipuan hanyalah sebagian kecil dari seluruh transaksi
   • Semua pelanggan membelanjakan jumlah yang sama
   • Data disimpan di file kelas yang salah
3. 'Positif palsu' dalam deteksi penipuan berarti:
   • Penipuan nyata telah terlewatkan
   • Sistemnya mogok
   • Transaksi yang sah salah ditandai sebagai penipuan
   • Terjadi tagihan duplikat
4. Tantangan apa yang dapat ditimbulkan oleh penyebaran pesan berbasis tetangga terhadap GNN penipuan?
   • Ini menjamin setiap akun yang ditautkan adalah penipuan
   • Ini menghilangkan semua penyimpangan konsep dari data
   • Ini mencegah penyelidik meninjau transaksi
   • Efek tetangga dan hub dapat memperburuk masalah ketidakseimbangan kelas
5. Sinyal manakah yang merupakan contoh 'kecepatan' dalam pemantauan transaksi?
   • Banyak tagihan terjadi dalam beberapa menit
   • Ulang tahun pelanggan
   • Warna kartu
   • Logo bank
6. Tipologi penipuan apa yang dijelaskan dalam peringatan deepfake FinCEN tahun 2024?
   • Deepfake yang secara otomatis membalikkan transaksi yang diselesaikan
   • Media deepfake dan dokumen identitas palsu digunakan untuk menghindari verifikasi atau otentikasi identitas
   • Aturan yang mewajibkan bank untuk menolak setiap panggilan suara
   • Identitas sintetis yang membuktikan pelanggan melakukan kejahatan
7. Mengapa keakuratan dapat menyesatkan jika terdapat kumpulan data penipuan yang sangat tidak seimbang?
   • Akurasi selalu sama dengan perolehan kembali
   • Label penipuan tidak pernah digunakan
   • Sebuah model dapat memperoleh skor akurasi tinggi dengan memprediksi kelas mayoritas yang sah namun tidak mendeteksi adanya penipuan
   • Set pengujian tidak boleh berisi transaksi yang sah
8. Apa salah satu alasan model grafik dapat membantu mengidentifikasi pola penipuan yang terkait?
   • Ini menghilangkan kebutuhan akan label atau investigasi
   • Ini membuktikan bahwa akun yang terhubung adalah kriminal
   • Ini menjamin deteksi waktu nyata
   • Ini dapat mewakili hubungan antar akun, transaksi, atau perangkat