---
title: "詐欺偵測（Fraud Detection）"
slug: fraud-detection
language: zh-TW
source: https://aiterms.tw/terms/fraud-detection
updated_at: 2026-04-29
tags: [異常偵測, 機器學習, AI應用, 模型評估, 資料處理, 特徵工程]
ipas_term: false
---

# 詐欺偵測（Fraud Detection）

> **你有沒有刷卡後突然收到銀行通知，說這筆交易看起來怪怪的？**
>
> 你可以把詐欺偵測想成幫交易找異常，模型會看金額、地點、時間和行為模式，判斷這筆是不是可疑。
>
> 它重要，是因為詐欺通常發生很快、樣本又很少，等人工慢慢看，很多損失都已經來不及追回。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆
> **詐欺偵測 vs 異常偵測**
> 異常偵測是更廣的概念，什麼怪資料都可以找。
> 詐欺偵測是異常偵測的一種，重點放在有惡意意圖的交易或行為。
>
> **詐欺偵測 vs 信用評分**
> 信用評分看的是未來風險。
> 詐欺偵測看的是當下這筆行為是不是可疑。

### 記住這句就好
> 找怪交易，不是找所有壞人，就是詐欺偵測。

### 實際案例
> **信用卡刷卡**
> 半夜在陌生國家突然出現高額消費，系統會先攔下來做進一步確認。
>
> **保險理賠**
> 同一類事故短時間內反覆申請，模型可能會先標成高風險案件。

### 算法與應用
> 常見做法會結合異常偵測、監督式分類和規則引擎，讓模型同時兼顧即時性與準確性。
> 由於資料通常很不平衡，精確率、召回率和 F1 分數常比單看準確率更重要。

### 情境判斷
> **Q1：如果一筆交易和使用者平常行為差很多，模型就一定要攔嗎？**
> → 不一定，還要看風險分數和業務容忍度，否則會誤擋正常客戶。
>
> **Q2：如果模型把很多正常交易誤判成詐欺，這是好事嗎？**
> → 不一定，因為過高的誤判會影響體驗和營運，實務上要平衡攔截與誤報。

### 常見問題
> **Q：詐欺偵測一定要即時嗎？**
> 不一定，但很多場景都希望越快越好，因為損失會隨時間放大。
>
> **Q：規則就夠了，還要模型嗎？**
> 規則能抓已知模式，模型比較能抓新型態，兩者常一起用。
>
> **Q：為什麼常看到資料不平衡？**
> 因為真正的詐欺案例本來就很少，這是這個領域的典型特徵。
>
> **Q：人工審核還有必要嗎？**
> 有必要，尤其在高金額或高風險案件裡，人工複核很常見。

### 相關術語
> - **異常偵測**：先懂它，能更快看懂詐欺偵測的定位。
> - **反洗錢人工智慧**：常跟詐欺偵測一起出現在金融風控。
> - **信用評分**：一個看風險、一個看可疑交易，常被拿來比較。
> - **預測性分析**：詐欺偵測常是它的實戰版本。
> - **機器學習**：大多數現代詐欺偵測都離不開它。

---

來源：https://aiterms.tw/terms/fraud-detection
快查頁：https://aiterms.tw/terms/fraud-detection
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-fraud-detection