Kuiz Pengesanan Penipuan AI

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Mengapakah peraturan tetap sahaja (cth., 'caj menyekat melebihi $5,000') selalunya tidak mencukupi untuk penipuan?
   • Penipuan adalah musuh dan sentiasa berubah, jadi peraturan menjadi basi
   • Mereka terlalu mahal untuk ditulis
   • Bank tidak dibenarkan menggunakan peraturan
   • Peraturan hanya berfungsi pada hujung minggu
2. 'Ketidakseimbangan kelas' dalam pengesanan penipuan merujuk kepada fakta bahawa:
   • Terdapat terlalu banyak bank
   • Transaksi penipuan adalah sebahagian kecil daripada semua transaksi
   • Semua pelanggan membelanjakan jumlah yang sama
   • Data disimpan dalam fail kelas yang salah
3. 'positif palsu' dalam pengesanan penipuan bermaksud:
   • Penipuan sebenar telah terlepas
   • Sistem ranap
   • Transaksi yang sah telah ditandakan secara salah sebagai penipuan
   • Caj pendua telah berlaku
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. Isyarat yang manakah merupakan contoh 'halaju' dalam pemantauan transaksi?
   • Banyak caj berlaku dalam masa beberapa minit
   • Hari lahir pelanggan
   • Warna kad
   • Logo bank
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