量子计算防欺诈：F1达0.98，跨境误报大减！

中国跨境行业在全球经济格局中扮演着日益重要的角色，其快速发展伴随着金融交易量的激增。然而，这也为各类金融欺诈活动提供了土壤，从虚假交易到洗钱，欺诈手段日益复杂。这不仅给企业带来巨大的经济损失，也对金融系统的安全稳定构成挑战。因此，如何利用前沿技术提升风险识别和欺诈检测能力，成为行业关注的焦点。在这一背景下，量子计算作为一项颠覆性技术，正逐步进入人们的视野，为解决传统计算难以应对的复杂问题提供了新的思路。

进入2025年，海外一家专注于量子软件的初创企业Haiqu，近期宣布了一项重要进展。该公司声称，通过一项创新试验，其开发的混合计算方法——将量子处理能力与传统机器学习模型结合，能够更高效地检测出金融交易中那些不易察觉的异常模式，这些模式往往是欺诈行为的早期信号。这项研究成果暗示了在不久的将来，量子计算有望在处理大规模真实世界数据时，展现出超越传统系统的“量子优势”。

在传统的机器学习模型中，处理高维度数据一直是个棘手的难题。想象一下，如果一个交易数据集包含数百甚至数千个描述交易特征的变量，这便是所谓的高维度数据。此外，欺诈性交易在海量交易数据中占比极小，虽然它们可能导致高昂的损失，但其稀有性使得传统模型很难精准捕捉。核心问题在于，处理这类数据所需的计算复杂度极高，这让传统模型难以识别出那些复杂且细微的欺诈模式。

Haiqu公司正致力于攻克这一挑战。他们研发了一种专有的数据编码技术，旨在为量子处理器准备和优化经典数据。这项技术允许他们将超过500个经典数据特征编码到仅128个量子比特上。美国IBM公司研究部门的负责人Jay Gambetta在Haiqu近期发布的新闻稿中指出：“这种能够编码数百乃至数千个高维度数据的能力，将为新规模的应用开辟道路，正如Haiqu团队在我们硬件上通过实验所展示的那样。”

尽管取得了显著进展，Haiqu的首席执行官对当前的成就持谨慎态度。Haiqu的联合创始人兼首席执行官Richard Givhan先生表示：“我们现在还不能声称已经实现了量子优势。”但他同时强调，此次试验提供了“迄今为止最清晰的经验信号”，表明“真实的、高维度数据现在可以加载到量子计算机上”，并且“由量子计算机赋能的机器学习，很快就能对这些数据进行有效处理。”

金融数据中的“特征”意味着什么？

在机器学习和金融数据分析领域，“特征”一词通常与“变量”或“属性”互换使用，它指的是用于描述事件、实体或金融交易的单个、可量化的数据点。对于依赖数据驱动模型识别可疑活动的银行和金融机构而言，选择和构建相关特征是提升预测模型性能的关键一步。

举例来说，对于每笔交易，银行可能会分析以下特征来尝试检测欺诈：交易金额、交易提交的地理位置、提交时间、商户类别、付款人的历史平均支出以及自上次交易以来的时间。在这个例子中，一笔交易将拥有六个特征。而在Haiqu的试验中，其处理的数据集拥有高达506个特征。

通常，将所有可用的交易数据一股脑地投入到模型中是不切实际的。因此，银行在选择分析欺诈的特征数量上受到限制，必须审慎选择。然而，Haiqu的试验引入了一种利用量子计算机一次性分析更多特征的新方法。

高维度数据带来的挑战

现代欺诈检测模型通常分析的特征远不止六个，它们会整合数百甚至数千个变量，以建立全面的风险画像，并捕获那些微妙而复杂的欺诈模式。包含如此多特征的数据集通常被称为高维度数据，而这种高维度性给运行机器学习模型的经典计算机带来了巨大挑战。

随着特征数量的增加，可靠地捕捉欺诈独特模式所需的数据量呈指数级增长，这常常导致所谓的“维度诅咒”。经典系统难以捕捉这些特征之间复杂的相互作用，而这些相互作用对于检测复杂的欺诈方案可能至关重要。

Haiqu宣称的突破在于其能够高效地将超过500个经典特征编码到有限数量的量子比特上（在他们的试验中是128个）。通过执行这种被称为量子嵌入的复杂过程，量子预处理步骤利用量子力学的独特属性——叠加和纠缠——将交易数据映射到一个复杂的量子态中。

这个量子过程旨在使数百个特征之间隐藏的、非线性的关系和关联变得更加清晰可见。这使得下游的经典分类器能够实现更高的准确性和速度，从而发现那些经典模型可能错过的罕见欺诈异常。

加拿大蒙特利尔银行（BMO）的首席人工智能和数据官Kristin Milchanowski在Haiqu近期发布的新闻稿中评价道：“Haiqu可扩展的嵌入技术标志着量子机器学习的一个转折点，它使得处理复杂的、高维度数据在规模化应用中成为可能。”Milchanowski女士补充说，这项创新“加速了金融等行业向实际应用转型的步伐，在这些领域，精确性和洞察力正在重新定义可能。”

关键性能指标对比

Haiqu公司将其量子增强的预处理技术与纯粹的经典嵌入方法进行了比较，采用了金融领域一个关键的评估指标：F1分数。F1分数至关重要，因为它能够在高度不平衡的数据集（例如交易监控，其中欺诈极为罕见）上，平衡精度（避免误报）和召回率（捕捉真正的欺诈事件）。

根据Haiqu公布的结果，量子增强方法展现出了一致的优势。

如上表所示，在理想的模拟条件下，量子特征实现了0.98的F1分数，显著优于0.90到0.93的经典基线。即使在真实的IBM量子“苍鹭”（Heron）处理器上运行（与模拟相比会引入噪声），模型仍保持了0.96的F1分数，这表明其在真实设备条件下的稳健性。

英国谢菲尔德大学量子技术教授兼系主任Oleksandr Kyriienko先生在Haiqu发布的新闻稿中指出：“异常检测是一个非常合适的目标，因为即使是微小的分数改进，也可能带来关键的检测或消除误报。”对于金融机构而言，减少误报——那些不必要地给欺诈调查团队带来负担的警报——将带来巨大的运营效益，因为这些调查的成本是相当可观的。

量子技术在金融领域的应用：背景与展望

Haiqu的实验建立在主要金融参与者此前验证量子计算有用性的努力之上。此前的研究表明，量子方法可以改进金融应用。例如，在2023年及更早的一些研究中，英国汇丰银行（HSBC）和美国IBM公司的一项实验显示，在预测不透明市场中成功的债券交易方面，混合量子-经典计算方法比纯经典方法提高了高达34%。

这种混合架构——由经典系统处理数据准备和最终决策，而量子算法处理计算密集型的特征提取或模式识别——普遍被专家认为是银行最初集成这项技术的方式。Haiqu的联合创始人兼首席技术官Mykola Maksymenko先生表示：“借助Haiqu的软件，量子应用可以运行在更大的规模上。正如我们在异常检测研究中所看到的，这正是数据量子处理能够发挥作用的领域。”

这项研究表明，量子力学利用叠加（一个量子比特可以同时存在于多个状态，从而实现并行处理）和纠缠（量子比特相互关联，有助于复杂的模式分析）的能力，很快就能提供所需的计算能力，以跟上金融欺诈日益增长的数量和复杂性。对于中国的跨境行业而言，随着全球贸易的深入和数字经济的蓬勃发展，更高效、更精准的欺诈检测技术无疑是保障资金安全、提升交易效率的重中之重。量子计算的潜力为行业提供了新的解决方案，值得国内相关从业人员持续关注此类前沿科技动态，积极探索其在跨境支付、供应链金融等领域的应用前景。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/cross-border-fraud-f1-098-quantum-cut.html