交易欺诈

在数字银行、金融科技、与社交商业的蓬勃发展的同时,欺诈者和其攻击手段也在与时俱进。时至今日,欺诈分子早已不限于仅用一张被盗的信用卡进行牟利。相反,金融诈骗成为一类新的专业领域,并由此建立起完整的黑产生态系统,包括:信用卡盗窃、个人身份信息攫取、个人问题认证脚本等一系列环节。DataVisor无监督机器学习引擎能够检测帐户与事件之间的可疑关联,从而实时阻止交易欺诈。

申请试用

欺诈者如何隐藏欺诈交易

IP变更

攻击者利用设备代理,VPN,以及云服务器等手段逃避基于IP或位置的黑名单,以及数字指纹类解决方案。

一次性电子邮件

在大规模交易欺诈之前,攻击者会首先利用大规模注册技术创建账号群组,并测试被盗信用卡等手段做准备。

设备混淆

欺诈者利用移动设备刷机、虚拟机等技术,伪装各类来自不同设备的登录活动。

养号

欺诈者通常会在大规模欺诈活动之前,通过模拟正常用户活动等手段进行养号。

为何利用无监督机器学习技术来检测欺诈交易?

如今,欺诈者已经学会如何逃避有监督机器学习或规则引擎的欺诈检测解决方案,具体包括在攻击过程中不断改变其攻击手段并提前对目标进行全面探查。DataVisor无监督机器学习引擎采用最新大数据技术,能够同时分析所有帐户与事件,从而发现高度相关且存在可疑行为的欺诈群组。当所有帐户与事件被进行关联分析时,异常欺诈交易无所遁形。更重要的是,DataVisor无监督机器学习技术无需训练数据或标签即可成功检测新型攻击,这将大大缩短对此类攻击的响应时间。

实时检测

通过识别交易与帐户之间的可疑关联来实时阻止欺诈交易的发生。

防止未知威胁

通过分析所有帐户及交易之间的关联,无需等待训练数据或标签就能检测到不断演变的新型攻击活动。

高准确率与覆盖率

提升欺诈交易检测的数量,同时减少对正常客户的误报率。

了解DataVisor如何打击交易欺诈

案例研究

顶级金融机构利用DataVisor无监督机器学习解决方案应对欺诈交易

阅读案例研究资料

简介

了解DataVisor如何保护金融机构免受欺诈交易与欺诈申请

下载数据报告

案例研究

DataVisor如何利用无监督机器学习技术帮助顶级游戏公司打击应用内欺诈购买

阅读案例研究资料

DataVisor欺诈检测解决方案

无监督机器学习引擎

运用业内最先进的无监督学习技术,同时分析数以亿计的账户和事件,无需标签或训练数据, 预测新型未知威胁。

有监督机器学习引擎

使用行业领先的有监督机器学习算法,结合客户提供的标签来增强检测,与无监督机器学习检测形成互补。

自动规则引擎

自动迭代规则,降低维护成本并使结果更易理解。

DataVisor全球信誉库

汇总并分析来自各行业数十亿用户的信息来计算最广泛的各类数字指纹和信号。

通过帐户关联视图可发现各恶意帐户之间存在的隐藏关联

了解更多

交易欺诈动态

博客文章

不断变化的金融欺诈趋势

信用卡EMV标准的逐步普及使得金融欺诈活动发生了巨大变化。如今,我们发现“实体”性质的金融欺诈交易量有所减少,但遗憾的是,在线交易欺诈数量却急剧增加——这标志着欺诈者已经将关注重点转移至无需信用卡刷卡的在线使用环境。

阅读博文 (英文)

博客文章

设备刷机后,欺诈也跟着逃避了检测

设备指纹识别(以识别设备为目的从设备收集信息)通常是在线服务中移动欺诈检测使用的主要技术之一。目标是识别欺诈份子使用的“不良”设备,以便在其他属性(如用户名或IP地址)发生更改时也能识别出这些设备。但欺诈者对设备进行刷机后,又如何呢?

阅读博文 (英文)

博客文章

虚拟的商品,真实的欺诈 | 利用虚拟货币欺诈进行套利

暴雪公司宣布以惊人的59亿美元收购热门游戏《糖果粉碎传奇》开发商King Digital Entertainment公司。很多朋友可能会问,移动游戏行业真的拥有如此丰厚的利润?答案是肯定的,但这同时也会吸引众多希望借此获利的欺诈者。

阅读博文 (英文)

阅读DataVisor的最新文章

访问博客

现在开始

希望马上了解DataVisor如何帮助您发现隐藏在在线服务中欺诈交易吗?现在就申请安全评估吧!

申请试用