Databricks 为政府福利项目推出实时欺诈检测方案
Databricks 将金融业成熟的实时欺诈检测技术引入政府福利领域，通过跨部门数据整合提升防欺诈效率。
美国联邦福利项目每年因欺诈损失数千亿美元。传统'先支付后追查'模式效率低下，Databricks 利用 AI、实时分析和跨机构数据整合，在资金发放前识别可疑交易，已在 80% 以上联邦部门运行。
正文摘录
将实时防欺诈引入政府福利领域 国家级别的真正防护，运行在机构已有的基础设施之上。 作者：Mike McWhorter、Johnathan Tafoya、Stephen Hutson 欺诈和不当支付每年让联邦福利项目损失数千亿美元，影响 Medicare、Medicaid、救灾援助、学生贷款、食品补助、失业保险以及许多其他公共项目。政府问责署估计联邦欺诈损失每年在 2330 亿到 5210 亿美元之间，仅 2025 财年报告的不当支付就约为 1860 亿美元。 这不是监管的失败，而是真实困境的副产品。这些项目旨在快速、大规模地提供援助。在如此体量下，要在资金流出之前深入审查每一笔交易几乎不可能，否则就会延迟对真正需要帮助者的援助。因此，检测传统上都是事后进行，即“先支付后追查”模式。但一旦欺诈性支付流出，追回资金缓慢、成本高昂且极少成功。这就是实时阻止欺诈如此重要的原因。欺诈者正是利用这一空子，通过空壳公司、盗用身份和虚假索赔作案，一旦某个骗局被查封，他们立即转换策略。 好消息是，机构不再需要在速度与更好决策之间二选一。AI、实时分析技术以及获取更完整数据的途径，使得在交易发生时进行评估成为可能，同时不减缓福利发放速度。机构可以不再主要依赖事后调查，而是利用智能风险评分、实体解析（entity resolution，跨数据源识别同一实体）、行为分析和机器学习，在资金拨付前识别可疑活动。Databricks 提供数据和 AI 平台来构建和运行这些系统，使机构能够实时做出更快、更高质量的决策，同时让合法受助者不受不必要的延误，及时获得关键援助。 在 Databricks，实时欺诈检测是我们非常熟悉的领域。我们为银行、保险公司和在线零售商构建了欺诈检测系统，对交易进行评分并阻止不良交易，同时让合法活动快速通过。这些系统每年常规评估数十亿笔交易，决策时间往往只需几十毫秒。