产品展示

机器学习和分析如何使Stripe受到欺诈

硅谷在线支付基础设施提供商Stripe希望能够承担100亿英镑的在线支付欺诈问题。它推出了一项名为Radar的新功能,该功能旨在通过Stripe广泛的机器学习模型为客户提供更多的威胁可见性,以发现欺诈行为模式。

很自然地,Stripe一直在尽可能多地保护客户免受欺诈活动的侵害,使得今天发布的反欺诈软件基本上已经开始启动。

约翰和帕特里克科林森

“联合创始人John Collison昨天告诉Techworld,模型和分析现在不是在所有Stripe账户中都包含在内的模型和分析。” “你会在仪表板中看到它,而且明天人们可以立即获得90%的收益,并可以选择构建并对其采取行动,从而使其变得更好”。

阅读下一篇:Stripe联合创始人说移动银行应用程序是糟糕设计的基石

它是如何工作的?

根据Stripe的说法,旧的欺诈手段从来没有针对互联网进行优化,人工审查和基于规则的检测系统占用宝贵的时间。

阅读下一篇:哪种解决方案适合您的创业公司? Stripe vs Braintree vs Worldpay vs Adyen

Stripe希望尽可能自动化欺诈检测。借助雷达,客户可以获得带有警报的仪表板,并确保交易具有欺诈性,为什么Stripe将其标记。然后,管理员可以设置自己的规则来处理某些行为或个人交易模式,例如阻止或退款交易。

actionData中的条纹雷达

Collison自然怀疑专业第三方欺诈检测供应商,称他们很难整合,最重要的是,只能运行专有数据。根据Collison的说法,Stripe的突出之处在于其移动和桌面交易数据的广度。

这使得他们的机器学习模型能够发现整个互联网中正常和潜在的欺诈行为,而不是特定的业务领域。

阅读下一篇:Featurespace:机器学习和数学可以帮助银行检测数字欺诈吗?

通过不断审查他们的模型Stripe可以避免规则在整个组织中陷入根深蒂固,导致用户感到沮丧。例如,一个组织因越南的大量欺诈交易而受到打击,因此它制定了一个规则来阻止这些交易成为标准。

这对合法的越南客户来说会令人沮丧,科里森说Stripe的“自我修复模型”和针对客户的细粒度控制允许更灵活的欺诈保护。