แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการตรวจจับการฉ้อโกงของ AI

ทดสอบความไม่สมดุลของคลาสการฉ้อโกง ผลบวกลวง การสร้างแบบจำลองเครือข่าย สัญญาณความเร็ว และการเปลี่ยนแปลงรูปแบบการฉ้อโกง ตรวจสอบขอบเขตการประเมินผล

เส้นทางแนะนำที่เกี่ยวข้องการตรวจจับการฉ้อโกงของ AI
คำถาม 1 ของ 8

เหตุใดกฎคงที่เพียงอย่างเดียว (เช่น 'ค่าธรรมเนียมบล็อกที่มากกว่า 5,000 ดอลลาร์') มักจะไม่เพียงพอสำหรับการฉ้อโกง

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. เหตุใดกฎคงที่เพียงอย่างเดียว (เช่น 'ค่าธรรมเนียมบล็อกที่มากกว่า 5,000 ดอลลาร์') มักจะไม่เพียงพอสำหรับการฉ้อโกง
    • การฉ้อโกงเป็นปฏิปักษ์และเปลี่ยนแปลงอยู่ตลอดเวลา ดังนั้นกฎเกณฑ์จึงล้าสมัย
    • มันแพงเกินกว่าจะเขียนได้
    • ธนาคารไม่ได้รับอนุญาตให้ใช้กฎเกณฑ์
    • กฎจะใช้ได้เฉพาะวันหยุดสุดสัปดาห์เท่านั้น
  2. 'ความไม่สมดุลของคลาส' ในการตรวจจับการฉ้อโกงหมายถึงข้อเท็จจริงที่ว่า:
    • มีธนาคารมากเกินไป
    • ธุรกรรมที่ฉ้อโกงเป็นเพียงส่วนเล็กๆ ของธุรกรรมทั้งหมด
    • ลูกค้าทุกคนใช้จ่ายเท่ากัน
    • ข้อมูลถูกเก็บไว้ในไฟล์คลาสที่ไม่ถูกต้อง
  3. 'ผลบวกลวง' ในการตรวจจับการฉ้อโกงหมายถึง:
    • พลาดการฉ้อโกงที่แท้จริง
    • ระบบล่ม
    • ธุรกรรมที่ถูกต้องตามกฎหมายถูกทำเครื่องหมายอย่างไม่ถูกต้องว่าเป็นการฉ้อโกง
    • มีการเรียกเก็บเงินซ้ำซ้อน
  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. สัญญาณใดคือตัวอย่างของ 'ความเร็ว' ในการตรวจสอบธุรกรรม
    • ค่าใช้จ่ายจำนวนมากเกิดขึ้นภายในไม่กี่นาที
    • วันเกิดลูกค้า
    • สีของการ์ด
    • โลโก้ของธนาคาร
  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