安全是有分量的

ddos防御_阿里云香港高防_零元试用

2021-06-11 17:02栏目:动态

ddos防御_阿里云香港高防_零元试用

一段时间以来,云锁防御ddos,美国的每一家药店似乎都变成了一家预付卡商店,一排排排的礼品卡和其他预付卡都在展示。这不是幻觉——预付费服务是金融支付行业增长最快的领域之一。2019年4月,《华尔街日报》报道说,"根据研究和咨询公司墨卡托咨询集团(Mercator Advisory Group),美国普通用途预付卡的总金额从2012年的2080亿美元增长到2017年的3240亿美元。它预计市场将以每年10%左右的速度增长,到2021年将达到4280亿美元。"除了随处可见的礼品卡(一次性加载固定金额)之外,其他类型的礼品卡也可以重新加载,用于工资单、政府福利和健康储蓄账户(HSA)消费卡等应用程序。尽管预付卡与普通借记卡具有共同的功能,包括支付和直接存款,维盟ddos防御,但预付卡交易可能显示出本质上不同的特点。例如,HSA卡很少用于从ATM机取款,而ATM取款则是工资卡的常见行为。这种异质性要求预付费欺诈分析模型能够根据预付卡用户的行为识别其通常(或不寻常)行为,同时考虑预付卡的不同性质及其限制。随着预付卡的普及,网站防御ddos,使用FICO®Falcon®平台的客户对专为预付卡欺诈而构建的欺诈模型表现出了浓厚的兴趣。2019年,阿波罗ddos防御体系,我们发布了针对美国市场以及国际市场的首个财团预付卡欺诈模型。我们的时机正好。从2019年4月开始,由于消费者金融保护局(Consumer Financial Protection Bureau)的裁决,预付卡用户得到了更好的保护。其规定包括:如果该卡是工资卡或某种类型的政府福利卡,或者如果消费者在其卡上收到联邦付款,则可以使用某些错误解决权限来保护消费者免受未经授权的交易。对于其他类型的信用卡,发卡机构必须为用户在卡丢失或被盗时发生的所有超过50美元的欺诈交易(取款或购买)进行赔偿。这几乎与现有的信用卡欺诈保护条款相同。AI和ML增强的欺诈检测模型FICO的预付费V1.0模型结合了三种主要的人工智能(AI)和机器学习(ML)技术,以增强欺诈模型的检测能力。这些尖端的专利技术是行为排序列表(BLIST)、多层自校准(MLSC)分析和协作分析(CP)。(图1)下面是它们如何协同工作:虽然BLIST可以很好地跟踪单个持卡人的行为(为持卡人跟踪行为的重复发生),但具有对等分组的MLSC将通过实时调整多个相似卡持有人的行为来获取与类似卡相比的常见或异常特征。协同分析利用这些客户在原型(如下所述)内的全球规模行为来确定可能的未来交易(包括持卡人过去从未显示过的交易),从而显著减少误报。让我们深入研究协作分析。协作分析的工作原理协同分析技术是一种基于持卡人的交易活动来学习预付卡持卡人行为原型的模型。原型是基于相似持卡人及其组合交易历史的事件概率分布。客户由多维原型向量(原型的混合)表示,允许模型捕捉和预测不同持卡人的各种支付卡行为,并允许对类似交易的客户进行比较。 图1:欺诈分析创新FICO在预付费欺诈中使用了许多先进的AI/ML技术模特儿们协作配置文件的培训过程包括来自FICO®Falcon®智能网络的数据,以根据客户的交易行为找到非常相似的客户。这使得我们能够对持卡人的新行为进行强有力的评估对类似客户进行分组,即使在该特定客户的过去历史中从未观察到相关行为。在生产过程中,FICO的协作分析技术在每次新交易中实时调整客户的原型组合,为其原型提供重要的实时更新,为次秒级的支付卡决策提供上下文。当持卡人与其他持卡人的共同行为模式突然偏离时,也就是持卡人的惯常行为。也就是说,需要注意的是,协作分析的目标不是学习短暂且不断演变的欺诈模式;相反,它关注的是非欺诈活动更稳定和持久的行为,win7系统防御ddos,这些行为为类似的客户群体定义了正常和典型的交易模式。简单地说,了解单个客户的常见情况,以及他们的交易行为"双胞胎",使模型能够更好地识别全新交易类型上的异常行为。预付卡欺诈模式影响巨大FICO在预付费财团欺诈模型中使用了创新技术,如协作分析和MLSC,这带来了显著的改进:误报率降低了20%以上,同时在典型的非欺诈阈值下提高了实时价值检测率和账户检测率(图2)。图2:改进欺诈检测一个帐户检测率与非欺诈性交易百分比的说明,"之前"和"之后"协作分析和MLSC应用于基本模型。结果:显著的性能改进表明,FICO已成功地将协作分析应用于预付卡联盟欺诈检测模型中,为预付卡组合提供了一个明确的价值定位,并与更通用的债务卡欺诈模型有所区别。请继续关注我的下一篇博客,深入探讨MLSC在预付费财团欺诈检测模型中的作用。同时,在Twitter@ScottZoldi上关注我。