Application Fraud – 申请欺诈 2018-05-18T13:34:59+00:00

申请欺诈

随着用户数据泄露事件的激增,欺诈者越来越多地利用被盗身份或伪造身份来创建欺诈帐户。DataVisor无监督机器学习引擎能够分析各类欺诈进件和申请之间的隐藏关联,即使单一进件并无可疑迹象的情况下也能成功发现欺诈。这意味着DataVisor能够在无需训练数据或者标签的前提下实时阻止申请和进件欺诈,以防止后续损失。

欺诈者如何进行申请欺诈并规避检测

Location options red v0

IP变更

攻击者利用设备代理、VPN、或云服务等手段逃避基于IP或位置的黑名单和基于规则的检测系统
Mass Registration red v0

大规模免费邮件注册

欺诈者利用常用的、免费的电子邮件大量注册看似正常的虚假帐户,以此用来实施攻击或将这些账号转售给其它欺诈者。
script red v0

脚本化登录

攻击者利用复杂脚本执行大规模攻击,以伪装来自众多不同区域的大量用户。
smartphone options red v0

设备混淆

欺诈者利用移动设备刷机、虚拟机等方式伪装各类来自不同设备的登录活动。

为何需要用无监督机器学习阻止申请欺诈

随着个人身份信息的广泛泄露,欺诈者很容易就利用被盗或伪造身份进行帐户申请。通过组合被盗信息,欺诈者能够创建出近乎完美的虚假身份来实行欺诈,且不会造成任何真实用户申诉。再加上先进的大规模注册技术,这些伪造帐户看起来完全合法,单个查看时不会引起传统检测方案的警觉。DataVisor无监督机器学习引擎能够同时分析所有帐户,并在单一帐户并不存在可疑迹象的前提下,发现各欺诈帐户之间存在的隐藏关联,从而有效检测申请或进件欺诈。
Target - Blue - v0

高准确性与高覆盖率

无监督机器学习能有效检测整个犯罪团伙,实现高检测准确度与高覆盖率。
Magnifying Glass - Blue - V0

检测未知威胁

无监督机器学习无需训练数据或标签,即可自动发现新的、不断变化的攻击模式。
customer experience blue v0

提升客户体验

无监督机器学习能准确识别合法用户并减少对其认证步骤,从而提升正常客户体验。

了解DataVisor公司如何打击申请欺诈

规格书

金融欺诈

了解更多关于DataVisor如何使用无监督机器学习来保护金融机构免受欺诈性交易,和使用合成或被盗身份信息来申请银行或信用卡账号的欺诈申请。

立即下载 »

DataVisor检测方案

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。

 
 

申请和进件欺诈行业动态

快速一览

坏用户注册:虚假账户,大麻烦

富国银行遭遇到的问题不仅仅是开设虚假帐户这么简单(起初有报道称其内部员工在未经用户的授权下,擅自利用用户账户转移资金,而用户需要无辜承担资金转移手续费),很多人都在怀疑银行为什么会发生这样的事?银行内部存在这么多虚假帐户,银行居然没觉察到?

立即下载 »
威胁趋势

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?

立即下载 »

如何用无监督机器学习增强现有检测结果?