对摩根大通的大规模网络攻击影响了超过 8300 万家庭和企业，人们普遍认为，多达九家其他金融机构也被同样的黑客入侵。 图像对摩根大通的大规模网络攻击影响了超过 8300 万家庭和企业，人们普遍认为，多达九家其他金融机构也被同样的黑客入侵。摩根大通的黑客深入银行的数字网络，获取了账户持有人的姓名、家庭住址、电话号码和电子邮件地址。虽然该银行的数据安全团队最初是在 7 月下旬发现了这次攻击，但直到 8 月中旬才完全遏制了这一漏洞。 除了对自身系统的攻击外，银行还容易受到与第三方违规相关的欺诈行为的影响。最近对 Home Depot 的大规模攻击在五个月的时间里引发了金融机构之间的大量欺诈交易。 等数十家其他零售商的违规行为仍在影响中，似乎银行业今年大部分时间都在专注于抵御欺诈。 欺诈预防最具挑战性的方面是在整个账户基础上检测它。
由于黑客可以在大规
模渗透后的几秒钟内窃取个人账户，如果您的安全系统无法实时检测个人账户内的欺诈行为，您实际上是在每过一秒都在增加损失。 更多阅读 亚马逊定价的预测分析 使用预测 电话号码列表 分析在亚马逊上获得最佳交易 对数据科学和数据分析师角色的需求不断增长 预测分析帮助新的直销业务蓬勃发展 数据驱动方法对改善农村地区医疗保健的重要性 分析改变了营业税合规性的计算 借助流分析，银行可以持续摄取、关联、丰富和分析来自不同来源（包括第三方）的数据流，以立即发现指示欺诈的异常情况，直至发生的第二秒，并立即实施自动补救措施。而且，使用历史数据建立基线，银行可以利用预测模型在偏差开始发生时立即检测到偏差，从而在欺诈开始之前有效地阻止欺诈。
例如流分析可以
帮助银行监控和配置有关 ATM 现金提取高峰、跨地理位置分散地点的购买活动增加以及账户间汇款突然激增的规则。用于检测欺诈的流分析的优点在于能够以飞速摄取大量不同的数据，然后使用适当的上下文数据（例如位置数据、银行账户信息和客户行为）来丰富这些数据，以更好地、更快的决策。使用 BM 线索 机器学习工具生成的预测欺诈模型，您可以预测威胁以触发自动操作和警报，这些操作和警报会根据当前情况动态调整。 这里的关键要点是，流式分析使银行能够在黑客横扫并清空大量账户之前战胜大规模的网络攻击。由于流分析将数据延迟降至亚秒级，因此银行可以立即大规模地识别并关闭欺诈活动。好处不仅限于直接减少金钱损失——流分析使银行能够将客户视为个人，而不仅仅是风险池的一部分，从而提供更好的客户体验。
