位数诈欺是两个日益突出的难题，尤其是在禽流感期间，互联网不法分子借助于人们ED500上服务项目的需求，展开各种诈欺活动。
据统计，仅在2022年，中国就有近百亿人民币的损失由此造成。而随着云计算控制技术的发展，那些犯罪行为分子还能借助于机器学习（ML）的能力，来突破传统的抑制型，制造更难以察觉到的诈欺犯罪行为行为。
云计算控制技术为他们增添了许多创新和便捷，但也降低了互联网犯罪行为的准入门槛。蓄意的ML数学模型能智能化化许多以前只有人类文明才能完成的任务，比如假造身分信息、演示使用者犯罪行为行为、聚合不实的影像或声音等。那些数学模型还能透过不断的试著和严重错误，来观测和反击正常的ML数学模型的软肋和盲点，从而绕开许多准则或检验方法。
例如，在两个零售业情景中，可能有两个准则是超过6000元的买卖在某些沿海地区须要展开伊瓦诺校正。两个蓄意的ML数学模型能透过多次试著，找寻那个共振频率和沿海地区范围，然后让诈欺买卖保持在6000元下列，并选择最合适的沿海地区，以避免被发现。这样，原先须要耗费很多时间和心力的过程，就变成了两个简单的使用者端分析难题。
因此，他们须要两个第三代的防诈欺互联网平台，来应对这种使用者端AI驱动力的诈欺严重威胁。那个互联网平台应该具备下列几个特点：
能静态地检验和适应环境捷伊诈欺趋势和模式，而不是仅仅倚赖历史经验和未知反击。
能在使用者新体验和可靠性之间找到结合点，根据风险水平静态地增加或减少校正技术难度，只在必要性时导入磨擦。
能借助于人工睿智和人类文明睿智的结合，让芒翁在必要性时有所作为，降低成本和效果。
使用者端AI将给位数诈欺增添捷伊考验和发展机遇。他们须要及时地采取行动，保护他们的客户和组织免遭其危害性。同时，他们也要借助于使用者端AI为他们提供的优势，创造更安全、更快捷、更智能化的位数服务项目。
