Nets采用 SAS® 欺诈管理实现这一目标
SAS欺诈管理(SAS Fraud Management)解决方案显著提高Nets欺诈预测防范能力
全球数字支付交易预计h 2024年达到11.5万亿美元,即每周7天、每天24小时、每分钟产生的交易额达2200万美元。其中很多活动涉嫌 欺诈。诈骗分子作案手法越来越狡猾。事实上,这是他们赖以行骗的伎俩。
Nexi集团旗下的Nets是欧洲最大的数字支付服务提供商之一,以零售终端、电子商务和支付处理的方式,为74万家零售商提供服务,并支持250家银行和其他发卡机构的刷卡交易、欺诈和争议处理以及数据分析。
近年来,网购交易急剧增长令人喜忧参半。2020年,全球电子商务销售额达到4.2万亿美元, 2027年预计将翻一番,达到8万亿美元。然而,电子商务增长的同时,欺诈活动也显著增加,2023年至2028年,全球零售商在线支付欺诈造成的损失预计将超过3620亿美元。
支付欺诈不断变换花样。推出持卡用户保护措施之后,诈骗分子总能迅速找到破解方法。他们利用双重和多重身份验证系统的弱点,使用网络钓鱼和短信攻击等社交工程技术来获取详细的身份验证,然后诱骗用户提供他们的支付令牌或其他安全信息。
Nexi集团欺诈和争议事务主管Jukka-Pekka Kokkonen表示:“过去,交易中利用这些安全措施或令牌,我们可以保证支付安全。但现在我们看到,客户将他们的身份识别和验证方法泄露给诈骗分子,而我们阻止欺诈的手段非常有限。”
这是日益严峻的全球性挑战。诈骗分子不断改进他们的手法,因此银行和Nets等支付服务提供商 (PSP) 也必须调整应对措施,以便更加准确地查明异常交易。
借助SAS欺诈管理解决方案,我们可以实时处理大量数据,识别异常模式,甄别真实交易中的欺诈交易。 Kokkonen 欺诈和争议事务主管 Nexi集团
迅速发现欺诈
支付卡欺诈是一种殃及受害人的犯罪行为。除造成消费者、零售商和银行损失之外,已知数字卡欺诈收益还被用于资助其他犯罪活动,如贩卖人口和毒品。
Nets欺诈和争议事务副总裁Jeppe Kirkegaard Folling表示:“打击支付卡欺诈基本上是与网络犯罪分子进行军备竞赛。他们极力寻找欺骗消费者或冒用被盗个人数据的新途径,因此我们的应对措施必须比他们更具创新性,且更加行之有效。”
Folling和他的团队一直在积极优化Nets实时欺诈管理平台的性能,这一平台基于SAS支付反欺诈解决方案。
SAS欺诈管理解决方案利用单一技术平台支持整个企业的欺诈侦测,涵盖多个业务线和渠道,并具有实时分析执行和决策能力。SAS欺诈管理可在本地、云端或以软件即服务的方式部署。
Nets – 事实和数字
740,000
使用数字支付服务的零售商
250
银行和其他支付卡发卡机构
25
银行和其他支付卡发卡机构
实时防欺诈与人工推理相结合
欺诈侦测系统仅用几毫秒即可评估风险、识别可疑活动,否则企业将面临追回诈骗付款的艰巨任务。Nets使用两个互补模型来识别异常,一个是SAS模型,一个是内部模型。两个模型根据现有客户数据实时测评每一笔交易,包括客户典型支出模式、地理位置数据和设备数据。这种多样化分析有助于减少可能损害客户关系的误报,以及可能降低Nets及其客户盈利的漏报。
发现高风险可疑活动时,系统立即停止交易。然后,向工作人员发送警报立即进行审查。Kokkonen表示:“SAS欺诈管理解决方案使我们能够轻松防止高度可疑的交易。当交易被标记为高风险时,我们几乎可以肯定是欺诈,从而制止交易避免发生欺诈。对于中低风险级别的交易,我们要求工作人员在发出警报一分钟内进行检查。”
Kokkonen表示:“我们集成了双向短信触发功能,因此客户可以收到可疑交易的通知,他们可以与我们联系确认或拒绝交易。”
AI推动下一轮猫鼠游戏
欺诈模式不断变化,因此Nets采用人工智能 (AI) 来改进欺诈建模。借助强大的数据集,Nets开始研发发现阻止欺诈的新方法。
Kokkonen表示:“随着诈骗分子开始利用AI,我们一直在努力寻找新的AI和生成式AI (GenAI) 方法来改进我们的模型预测。先进的方法和工具将充分利用我们的交易和会话数据。我们也在考虑使用第三方数据来改进模型预测。不久的将来,我们将测试如何更精确地应用新的先进方法来保护我们的客户免受AI欺诈。
与依靠技术突破安全防护的传统欺诈方法不同,社交工程利用人类的弱点。AI和生成式AI不断提高诈骗分子运用社交工程技术行骗的能力。
Kokkonen表示:“我们需要找到识别这些模式的方法,验证持卡人身份。欺诈可能提前到信贷申请阶段。诈骗分子也冒用被盗身份骗取贷款,然后转移资金、洗钱或将其收入囊中。我们正在努力了解这些手段之间的关系。”
Kokkonen补充道:“AI是一把双刃剑 – 它可以帮助诈骗分子改进作案手段,但也可以帮助我们将他们捉拿归案。猫捉老鼠的游戏将继续下去。他们会利用AI来测试我们的反欺诈规则、模型和性能,并找到我们目前使用的阈值。因此,与以往任何时候相比,我们更需要具备灵活调整规则和改变阈值的能力。”
本文中所展示的成果取决于文中所述的特定场景、业务模式、数据输入和计算环境。每位SAS客户的体验都因其业务和技术特性而不同,请勿将本文观点视为通用观点。实际的成本节约、成果和效果最终取决于每位客户的实际配置和条件。SAS不保证每位客户都能取得本文类似的成果。SAS仅对SAS的产品和服务提供保证,请参阅SAS的产品服务质保条款,本文中提及的内容不能视为质保条款。客户可以按照合约商定的条款分享SAS软件实施项目的成功案例,相应的品牌和产品名称归属相应的公司所有。