Hvordan optimalisere bruken av svindelforebyggende komponenter gjennom maskinlæring
Posted: Sat Dec 21, 2024 4:42 am
Risikostyring blir mer kompleks og krevende hver dag, noe som gjør det nødvendig å ha en intelligent strategi for å håndtere de utallige transformasjonene som typer svindel presenterer. Å tilby en friksjonsfri handleopplevelse er ikke lenger en differensiering og har blitt en nødvendighet for å sikre trygghet og en god handlereise.
Det er flere måter å autentisere et kjøp på, fra modeller som godkjenner mer enn 99 % av transaksjonene automatisk til teknologiske komponenter som hjelper til med å løse de vanskeligste tilfellene.
Isolerte komponenter er imidlertid ikke effektive til å forsvare ukjente ordninger, tilpasse seg nye svindelmønstre eller håndtere svindleres stadig mer sofistikerte teknikker. Når de misbrukes, blir de dårlige e-postlista för företag och konsumenter allierte i risikostyring, godkjenner uredelige transaksjoner eller genererer enorm friksjon med gode forbrukere.
For eksempel kan ansiktsbiometri, som anses som ufeilbarlig av mange, når den brukes alene, ikke blokkere alle svindelforsøk. Når det brukes dårlig, påvirker det brukeropplevelsen negativt og fører til betydelige kostnader for selskapet. Imidlertid fungerer biometri optimalt når integrert i et flerlags forebyggingssystem.
Det er viktig at hvert kjøp blir nøye analysert, samt bruk av komponenter for å validere hver enkelt. Derfor skapte ClearSale konseptet Safety Authentication Score , som måler intensjonen til personen som legger inn bestillingen, basert på dataene som er lagt inn av kjøperen og kjøpshistorikk.
Viktigheten av kontekst i hver transaksjon
Ved kjøp på nett er det to viktige aktører: den som foretar kjøpet og kredittkortinnehaveren. Disse menneskene er ikke alltid like.
Anta for eksempel følgende scenario: Antônio åpnet en registrering i en butikk ved hjelp av sine egne data, bortsett fra kredittkortet, der han bruker Josés kort kortet tilhører faktisk den som foretar kjøpet, det vil si at det på kjøpstidspunktet ikke er noen sikkerhet om Antônio benytter seg av et kredittkort som ikke er hans.
For å illustrere, tenk på å klassifisere atferden til Antônio, personen som foretar kjøpet i vårt eksempel, som velmenende eller ondsinnet.
Hvis Antônio er velmenende når han foretar et kjøp, selv om han bruker Josés kort, kan han validere denne transaksjonen uten å måtte plage kortinnehaveren: José er enig i transaksjonen og Antônios gode intensjon kan bekrefte dette. I dette scenariet vil enhver tilleggsvalidering som gjøres ved å bruke Antônios data (det være seg en samtale, biometri, tekstmelding, etc.) legitimt bekrefte kjøpet.
La oss imidlertid anta at Antônio er ondsinnet og at José ikke er klar over kjøpet på kortet sitt. Systemisk sett på transaksjonen har ingenting endret seg. Det er samme data, samme tid, samme produkt osv. Imidlertid, hvis validering utføres ved å bruke dataene som er oppgitt i bestillingen, vil transaksjonen bli godkjent av Antônio og José vil få kortet debitert for noe han ikke har kjøpt. Transaksjonen, som opprinnelig ble godkjent, ville bli utfordret og butikken ville være ansvarlig for tilbakeføringen.
Det er kjent at svindlere er kreative og at svindel forekommer i mange formater. Som et eksempel kan vi rapportere noen situasjoner som allerede står overfor ClearSale: en fysisk butikk, med en ondsinnet selger, tilbød et bestemt produkt til en kjøper til en lavere pris enn butikken annonserte, og rettferdiggjorde at den som direkteselger hadde dette mulighet.
Kjøperen, tiltrukket av det nye forslaget, betalte for produktet direkte til selgeren, til sin bankkonto, via PIX (det er også tilfeller der selgeren genererer en betalingslenke).
Svindel skjedde da selgeren, ondsinnet fra begynnelsen, brukte den gode kjøperens data knyttet til et falskt kredittkort, i et nettkjøp av det samme solgte produktet, på nettstedet til butikken han jobbet for, og valgte ekspresskjøpsmetoden . med henting i butikk.
Det er flere måter å autentisere et kjøp på, fra modeller som godkjenner mer enn 99 % av transaksjonene automatisk til teknologiske komponenter som hjelper til med å løse de vanskeligste tilfellene.
Isolerte komponenter er imidlertid ikke effektive til å forsvare ukjente ordninger, tilpasse seg nye svindelmønstre eller håndtere svindleres stadig mer sofistikerte teknikker. Når de misbrukes, blir de dårlige e-postlista för företag och konsumenter allierte i risikostyring, godkjenner uredelige transaksjoner eller genererer enorm friksjon med gode forbrukere.
For eksempel kan ansiktsbiometri, som anses som ufeilbarlig av mange, når den brukes alene, ikke blokkere alle svindelforsøk. Når det brukes dårlig, påvirker det brukeropplevelsen negativt og fører til betydelige kostnader for selskapet. Imidlertid fungerer biometri optimalt når integrert i et flerlags forebyggingssystem.
Det er viktig at hvert kjøp blir nøye analysert, samt bruk av komponenter for å validere hver enkelt. Derfor skapte ClearSale konseptet Safety Authentication Score , som måler intensjonen til personen som legger inn bestillingen, basert på dataene som er lagt inn av kjøperen og kjøpshistorikk.
Viktigheten av kontekst i hver transaksjon
Ved kjøp på nett er det to viktige aktører: den som foretar kjøpet og kredittkortinnehaveren. Disse menneskene er ikke alltid like.
Anta for eksempel følgende scenario: Antônio åpnet en registrering i en butikk ved hjelp av sine egne data, bortsett fra kredittkortet, der han bruker Josés kort kortet tilhører faktisk den som foretar kjøpet, det vil si at det på kjøpstidspunktet ikke er noen sikkerhet om Antônio benytter seg av et kredittkort som ikke er hans.
For å illustrere, tenk på å klassifisere atferden til Antônio, personen som foretar kjøpet i vårt eksempel, som velmenende eller ondsinnet.
Hvis Antônio er velmenende når han foretar et kjøp, selv om han bruker Josés kort, kan han validere denne transaksjonen uten å måtte plage kortinnehaveren: José er enig i transaksjonen og Antônios gode intensjon kan bekrefte dette. I dette scenariet vil enhver tilleggsvalidering som gjøres ved å bruke Antônios data (det være seg en samtale, biometri, tekstmelding, etc.) legitimt bekrefte kjøpet.
La oss imidlertid anta at Antônio er ondsinnet og at José ikke er klar over kjøpet på kortet sitt. Systemisk sett på transaksjonen har ingenting endret seg. Det er samme data, samme tid, samme produkt osv. Imidlertid, hvis validering utføres ved å bruke dataene som er oppgitt i bestillingen, vil transaksjonen bli godkjent av Antônio og José vil få kortet debitert for noe han ikke har kjøpt. Transaksjonen, som opprinnelig ble godkjent, ville bli utfordret og butikken ville være ansvarlig for tilbakeføringen.
Det er kjent at svindlere er kreative og at svindel forekommer i mange formater. Som et eksempel kan vi rapportere noen situasjoner som allerede står overfor ClearSale: en fysisk butikk, med en ondsinnet selger, tilbød et bestemt produkt til en kjøper til en lavere pris enn butikken annonserte, og rettferdiggjorde at den som direkteselger hadde dette mulighet.
Kjøperen, tiltrukket av det nye forslaget, betalte for produktet direkte til selgeren, til sin bankkonto, via PIX (det er også tilfeller der selgeren genererer en betalingslenke).
Svindel skjedde da selgeren, ondsinnet fra begynnelsen, brukte den gode kjøperens data knyttet til et falskt kredittkort, i et nettkjøp av det samme solgte produktet, på nettstedet til butikken han jobbet for, og valgte ekspresskjøpsmetoden . med henting i butikk.