安全是有分量的

ddos防攻击_香港高防服务器推荐_如何解决

2021-06-12 02:00栏目:防护

ddos防攻击_香港高防服务器推荐_如何解决

如果你是一个大城市的跑步者,你很可能已经知道公司面临的挑战是什么。这个博客不是关于如何提高你的比赛时间或从赞助商那里筹集更多的资金。这是一个非常不同的挑战:公司信用卡欺诈。FICO最近发布了两种新的企业信用模型:一种是针对英国和爱尔兰的,另一种是针对美国的;它们采用了标准的Falcon 6创新技术,以及FICO先进的协作分析技术。校准模型以反映企业支出行为公司信用卡的模式不同于消费类和小型企业信用卡。公司经常使用美元卡支付高额的旅行费用,这可能导致一些损失。其他公司的信用卡使用频率非常低,这可能会增加检测可疑欺诈行为的难度,因为这些卡缺乏完整、深入的行为特征。由于公司信用卡与消费信用卡有着不同的面向业务的消费模式,因此我们使用FICO的协作分析技术解决了公司卡欺诈检测问题。什么是协作分析?FICO的协作分析技术从卡的事务历史记录中生成与事件相关联的原型。交易历史中的这些离散事件有助于区分持卡人的行为。在反洗钱和其他反洗钱安全模式中,FICO等协作式安全模式已取得巨大成功。原型是支付卡交易事件的混合体。考虑到原型的混合,某些交易将更有可能发生。每个持卡人都是原型的混合体;FICO使用贝叶斯推理算法从已定义的持卡人交易事件及其发生的字典中导出数据集中的潜在原型。在构建新的公司卡欺诈模型时,局域网ddos防御代码,我们使用了一种仅包含非欺诈交易的无监督机器学习算法,百度云cc防御,这种方法比使用欺诈行为更稳定。实时差异化驱动精确的欺诈检测收到流式交易数据后,协同分析增强型猎鹰模型实时分配和更新持卡人的原型混合(下图1)。这是通过将持卡人的整个交易历史替换为他们最近的原型混合,即交易历史的低维向量嵌入。然后,我们可以根据持卡人最近的原型组合来估计当前交易的概率;基于交易历史的高概率被期望,低概率表示与交易历史不一致的行为变化。图1:FICO使用贝叶斯推理算法实时更新原型。来源:FICO博客 协作分析允许我们的公司卡欺诈联盟模型根据区分其交易历史的独特购买事件区分公司持卡人和小型企业持卡人。这些购买历史事件基于商户类别代码、交易金额和销售点输入模式,以精确表示不同类型的名片使用情况。图2展示了一个原型示例。通过查看各种统计数据,python编写ddos防御,如顶级商户类别、跨境旅行率和卡交易类型,这些原型提供了一些对数据的直接洞察,以及这些数据是否可能是持卡人的交易。图2:在商务卡支付的广泛类别中,持卡人原型可以有很大的不同。来源:FICO博客 使用FICO的协作分析进行支付卡欺诈检测的优势可以用检测到的欺诈金额和误报的数量来衡量。图3比较了Falcon公司卡欺诈模型在使用和不使用协作分析的情况下的性能。通过协作分析,微软云ddos防御,实时值检测率相对提高了6.5%,在英国/爱尔兰模型的典型非欺诈审查率下,误报率降低了25%。对于美国模式,协作分析推动了2%的相对提升,并且在美国模式的典型非欺诈审查率下,误报率降低了10%。图3。协作分析大大减少了误报警报的数量。来源:FICO博客 这些改进说明了FICO如何使用协作分析技术显著减少公司卡欺诈损失,同时以更少的误报中断改善公司用户的客户体验。在打击支付卡欺诈的马拉松中,FICO正在赢得企业挑战。在Twitter@ScottZoldi上关注我。

,防御ddos攻击服务器