原标题：Airbnb用机器学习打击信用卡盗刷，最小化退款损失
图片来源:Airbnb
Airbnb为保护平台社交，完全吸收由盗刷产生的成本，因此在信用卡交易时，判断交易是否为盗刷变得至关重要，因为直接影响公司盈余。Airbnb信赖科学家David△Press分享他们如何以机器学习判断信用卡盗刷案例，并对可疑案例执行额外验证机制。
如同许多线上服务，Airbnb也需要面对盗刷信用卡的风险。当信用卡持有人发现自己的卡被人在Airbnb盗刷时，经信用卡银行查帐属实，便会要求Airbnb退还该笔款项，David△Press表示，他们不同于其他竞争对手会把成本转嫁给屋主，Airbnb会吸收这些退款。
因此为了避免暴露在高退款成本的风险下，必须要主动的阻挡遭盗用的信用卡在平台上使用。Airbnb使用机器学习，将过去的交易纪录，包括正常的交易以及确认为诈骗的纪录当作学习样本，训练出自动判别诈骗的模型。
不过，David△Press说，没有模型是完美的，由于閾值设定的原因，会有模稜两可的情况发生，对某些行为他们会毫不犹豫的拉黑该交易，但部份情况会无法确定，此时他们会提供额外的验证机制，以阻挡真正的盗刷者。
预防盗刷的额外认证机制，包括要求持卡人登入网络银行确认授权的微认证，还有银行本身提供的3-D安全验证，要求输入密码或是SMS安全码，最严格的验证则是要求持卡人上传该卡的帐单资讯。
Airbnb以过去的交易资料当作训练样本，训练模型分辨诈骗（Positive）与非诈骗（Negative）的交易，但是诈骗发生的机率非常低，这是属于一个缺乏正面范例的不平衡分类问题。
Airbnb在模型上使用真阳性（True-positive，TP）与假阳性（False-positive，FP）表示被正确判断诈骗案例，以及错误判断诈骗案例，并评估整体成本以达到最低损失。目标是要找出最小化整体损失L，数学表示式如下：
当对假阳性案例发生，模型错误判断诈骗案例发生数量FP，也就是对正常的交易客户，实施额外的验证机制，该客户有一定的机率因为不想完成额外验证而取消交易，其机率为G，而且这样的经验会影响该客户后续的生命周期价值V，因此假阳性成本计为FP△* G△* V。
而假阴性案例发生时，FN则是错误判断非诈骗的数量，也就是模型没有判断出来的诈骗案例，C为诈骗事件成本，整体成本为FN△* C。真阳性案例发生，TP是正确判断诈骗事件的数量，而F则是验证机制的效果，成本为 TP*(1-F)*C。
左图为F=1 G=1的损失计算。右图F=0.95 G=0.1的损失计算，比起左图，（绿）诈骗损失下降，（橘）优质客户损失增加，但是（粉红）整体损失下降。
L的最低损失情况是G为0而F为1时，但这样的情况不可能发生。在部署机器学习模型的过程，多多少少会损失客户，其中包含对优质客户进行额外验证发生的损失，以及在调整数字时采取的A/B测试，发生的客户损失。David△Press则认为，这些损失无可避免，是为了提供更好服务的必要成本。
David△Press表示，打击欺诈行为是一种对抗性的业务，越积极则诈骗者再次尝试攻击的机率便会降低，但是上述的成本计算公式，并没有将这样的回馈加入考量，因此Airbnb会比以较积极的态度，执行防诈骗行为，发现诈骗事件发生机率上升，他们也会马上采去进一步行动。
相关：
信用卡大多数人都有在用，当我们在进行大额消费的时候往往都会选择一些分期来减轻还款压力，那么有网友就问了，分期是否可以提前结清，那么又是否会收取分期的手续费呢？申请信用卡看征信吗 信用卡分期付款是指持卡人
信用卡已经是一个很流行的银行产品了，便利处一是不用携带现金，二是有消费还款宽限期，三是刷卡消费一般有积分及活动得优惠，而办理个人信用卡的方式也有很多。那么，个人怎么申请信用卡，申请信用卡需要什么条件呢
IBM执行长：现在是人与机器结合的时代，要靠AI将数据现代化，更用区块链让资料可信任
【拉斯维加斯直击】IBM在美国拉斯维加斯一连四天举办年度大会Think△2018，是IBM有史以来最大的年度产品活动，超过34,000人参加。在第二天开场演讲中，IBM执行长Ginni△Rometty指出，现在正是25年来，科技和商业同时
甲骨文HCM靠机器学习加持提高生产力，还能自动推荐招聘合适人选
今年2月甲骨文在Oracle△CloudWorld大会上宣布，将于云端平台产品中全面整合AI和机器学习等技术，来达到自动化维护、防护和修补，最近则宣布通过AI技术在人力资源管理HCM（Human△Capital△Management）云中的更新，
信用卡给我们的生活带来许多改变，它的好处也很多。但近年来，因持卡人不还款，而被银行告上法庭的案例也不少。那么，信用卡不还会怎么样呢？下面小编就来和大家讲一讲信用卡不还的后果吧。信用卡不还款有何后果？一