Вікторина, пов’язана з посібником · Середній Рівень

Тест на виявлення шахрайства зі штучним інтелектом

Перевірте дисбаланс класу шахрайства, помилкові спрацьовування, моделювання мережі, сигнали швидкості та зміну моделей шахрайства. Перевірте обсяг оцінювання.

Пов'язані напрямні шляхиШІ виявлення шахрайства
Питання 1 з 8

Чому самі по собі фіксовані правила (наприклад, «блокові збори понад 5000 доларів США») часто недостатні для шахрайства?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Чому самі по собі фіксовані правила (наприклад, «блокові збори понад 5000 доларів США») часто недостатні для шахрайства?
    • Шахрайство є змагальним і постійно змінюється, тому правила застарівають
    • Їх надто дорого писати
    • Банкам заборонено використовувати правила
    • Правила діють лише у вихідні дні
  2. «Класовий дисбаланс» у виявленні шахрайства стосується того факту, що:
    • Банків занадто багато
    • Шахрайські транзакції становлять незначну частку всіх транзакцій
    • Усі клієнти витрачають однакову суму
    • Дані зберігаються в неправильному файлі класу
  3. «Помилковий результат» у виявленні шахрайства означає:
    • Пропустили справжнє шахрайство
    • В системі стався збій
    • Законну транзакцію було помилково позначено як шахрайство
    • Виникло повторне стягнення плати
  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. Який сигнал є прикладом «швидкості» в моніторингу транзакцій?
    • Багато зарядів відбувається протягом кількох хвилин
    • День народження замовника
    • Колір картки
    • Логотип банку
  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