美国财政部表示，其扩大使用的机器学习系统有助于在 2024 年发现并防止数十亿美元的欺诈性付款。财政部是许多联邦项目的支票开具者，每年为社会保障和医疗补助等项目处理约 14 亿笔付款，价值 6.9 万亿美元。

据新闻稿称，在 9 月结束的最近一个财政年度，该机构采用新的数据驱动方法根除不良行为者，为防止和追回超过 40 亿美元的欺诈性付款做出了贡献。 与 2023 财年发现或追回的 6.527 亿美元欺诈性付款相比，增长了六倍多。

该机构将这一增长归功于其新的数据驱动型欺诈检测方法。 这包括使用机器学习来识别欺诈事件，并优先对高风险交易进行进一步调查。 财政部还与其他联邦和州机构合作，通过"不支付"数据库和其他支付完整性工具共享信息。

"财政部认真对待我们作为纳税人资金的有效管理者的责任。 "财政部副部长瓦利-阿德耶莫（Wally Adeyemo）在一份声明中说："帮助确保各机构在正确的时间向正确的人支付正确的金额，是我们工作的核心。"在过去的一年中，我们在防止超过 40 亿美元的欺诈和不当支付方面取得了重大进展。 我们将继续与联邦政府其他部门合作，为他们提供必要的工具、数据和专业知识，以阻止不当支付和欺诈行为。"

虽然防止或追回的 40 亿美元欺诈性付款并不是一个小数目，但与政府对欺诈发生额的估计相比就显得微不足道了。

今年 4 月，联邦政府问责局估计，联邦机构每年因欺诈损失 2330 亿至 5210 亿美元。 美国政府问责局的报告建议，财政部因其在处理支付方面的核心作用，应更好地利用数据分析工具。

政府机构和金融机构都越来越依赖机器学习算法来识别欺诈行为。 这些系统使用收款人的大量数据--包括银行账户、实际地址、IP 地址、人口信息、用户名和密码等详细信息--来识别与欺诈有关的模式。

正如财政部在以前有关金融部门欺诈的报告中所指出的，这种"用于训练欺诈检测模型的历史数据可能存在偏差，例如反欺诈案件中某些人口统计信息的比例过高"。