作者：Alon Livneh2020年6月1日识别欺诈受害者，并消除机器学习中的偏见。是什么让一些群体更容易受到网络欺诈的侵害？欺诈预防措施如何反映受害人的心理？这些是我们在最新一期的完整购物车，Riskified关于电子商务前景的播客中解决的一些问题。本周，我们与Riskied的模型培训团队的研究分析师Reka Eszter Bodo坐了下来。雷卡说，保护边缘化社区免受社会工程和欺诈的影响是一个道德责任问题，而不仅仅是企业的底线。最后，Reka举例说明了她如何利用她对欺诈的见解来训练更好、更少偏见的ML欺诈检测模型。收听以下内容：哪些人口统计数据最容易受到在线欺诈的影响？以及为什么这对商家很重要客户服务团队如何在确保网上购物安全方面发挥关键作用人性化的洞察力对于创建更好的机器学习模型至关重要如果你错过了我们的最后一集，从危机到转型再到稳定："在冠状病毒危机期间，电子商务发生了什么？"你可以在这里听。你可以在苹果播客、Spotify、谷歌播客上找到我们，或者就在我们的博客上。