CarderPlanet
Professional
Это правда, что машинное обучение является ключом к предотвращению мошенничества, но правила по-прежнему играют определенную роль. Узнайте, почему правила по-прежнему важны и почему вам пока не следует разрывать свою книгу правил мошенничества.
Правила были основой решений для мошенничества старой школы, пока не появилось машинное обучение и не изменило правила игры. Из-за изящных, гибких моделей переполненные, скрипучие своды правил казались устаревшими, а их обслуживание - рутиной.
Но это не означает, что правила полностью устарели. По-прежнему существуют ситуации, когда аналитикам мошенничества необходимо напрямую вмешиваться в предотвращение - и правила предоставляют средства для этого. Правила по-прежнему являются важной частью инструментария предотвращения, который дополняет машинное обучение и другие технологии. Итак, в каких ситуациях правила все еще могут быть эффективными?
Действовать быстро, чтобы остановить атаку
Аналитики по борьбе с мошенничеством могут использовать правила, чтобы быстро остановить мошенническую атаку, пока она происходит. Например, если атаку можно отследить в определенном месте, аналитик по борьбе с мошенничеством может использовать внесение местоположения в черный список, чтобы запретить все заказы с одного адреса или из определенной области. В отличие от других данных клиента, которые могут быть подделаны (например, номер телефона, адрес электронной почты), местоположение клиента часто остается постоянным для мошенника.
Активно блокировать новые тенденции мошенничества
Системы машинного обучения используют исторические данные, которым около 3 месяцев, поскольку для возврата платежей может потребоваться до 90 дней. Если в моделях используются только самые последние данные, модель не всегда может отличить новейшие векторы атак, используемые мошенниками (которые еще не вернули платеж), от остальных недавних реальных клиентов.
Аналитик по мошенничеству может быть осведомлен о новой тенденции в поведении мошенников, но модель машинного обучения еще не адаптирована к такому поведению, или их бизнес еще не подвергся атаке. В этой ситуации аналитик может активно использовать правила для предотвращения этого вида мошенничества, прежде чем это повлияет на его бизнес. Конкретные правила, детализирующие известные характеристики мошенничества с более чем одним условием, могут позволить менеджерам по борьбе с мошенничеством выбрать именно правильное поведение.
Использование правил для обеспечения хороших клиентов
Важно помнить, что правила можно использовать для разрешения, а не только для предотвращения. Это может помочь “сгладить грани” модели машинного обучения, когда бизнес вносит изменения. Например, розничный бизнес недавно начал отправлять нам новые данные о своих недавно приобретенных брендах. Мы использовали комбинацию разрешающих и запрещающих правил, чтобы помочь модели машинного обучения получать данные, необходимые для изучения новых шаблонов, одновременно защищая бизнес от серьезных атак мошенничества. Использование правил, разрешающих поведение клиентов, также может быть полезно, когда команда по борьбе с мошенничеством работает с другими бизнес-подразделениями, например маркетингом, где правила могут использоваться для разрешения проведения определенных рекламных акций.
С большими полномочиями по разработке правил приходит большая ответственность
Хотя правила могут быть очень полезны описанными выше способами, они также могут быть проблематичными, если их неправильно использовать. Одно неправильно настроенное правило потенциально может блокировать весь трафик или разрешать каждую транзакцию, включая любое мошенничество - оба эти условия могут иметь катастрофические последствия для бизнеса.
Мы видим, что довольно много наших клиентов изменяют правила в рамках своей повседневной деятельности, поэтому мы разработали инструменты, позволяющие соблюдать осторожность при использовании правил и позволяющие аналитикам по борьбе с мошенничеством больше узнавать о влиянии потенциальных правил, прежде чем вводить их в транзакции. Как мы это делаем?
Меры предосторожности
Как упоминалось, неправильно настроенные правила могут нанести ущерб бизнесу, блокируя значительные объемы вашей пользовательской базы. Это может произойти, если аналитик по мошенничеству новичок в системе мошенничества или допустит простую ошибку при вводе текста. Мы включаем меры предосторожности для предотвращения любых правил, которые могут привести к массовым, потенциально разрушительным изменениям.
Всякий раз, когда добавляется новое правило, мы применяем тест воздействия, чтобы увидеть, каким будет результат этого правила. Мы рассчитываем влияние конкретной комбинации правил на основе пользовательских данных отдельной компании (10 000 клиентов в день за каждый из предыдущих 7 дней).
Это дает нам разумную оценку того, какой процент клиентов был бы разрешен, проверен или заблокирован из-за этого правила. Если влияние правила превышает 5%, мера предосторожности означает, что аналитик по мошенничеству не сможет сделать это самостоятельно и должен будет попросить своего исследователя Ravelin включить правило.
Наша следственная группа способна понимать бизнес-цели и может работать над поиском альтернативного метода достижения цели без ущерба для остальной базы пользователей. Работая с различными компаниями-клиентами, наша команда накопила большой опыт в понимании того, какие условия правил хорошо сочетаются и как определить правильную комбинацию.
Правила тестирования
Мы не только готовы помочь компаниям выработать правильные комбинации правил, но и хотим предоставить аналитикам по борьбе с мошенничеством возможность изменять правила, не оказывая активного влияния на базу пользователей. Недавно мы ввели правила тестирования, чтобы сделать это возможным.
Правила тестирования позволяют вам создать новое правило и оценить его влияние, фактически еще не включая его в действие. Это означает, что вы можете протестировать различные комбинации и посмотреть, какая из них наиболее эффективна для того, что вы пытаетесь сделать. Например, вы можете просмотреть список клиентов, которые были бы заблокированы в случае введения нового правила. Вы также можете просмотреть сводное представление о том, как правило будет действовать с течением времени в Analytics.
Правила по-прежнему актуальны при разумном использовании
Использование машинного обучения для обнаружения мошенничества позволяет аналитикам мошенничества избавиться от обширных библиотек правил и начать с чистого листа. Но, хотя машинное обучение значительно обновило системы обнаружения мошенничества, это не означает, что вы должны полностью отказаться от использования правил. Правила можно использовать для быстрого прекращения атак и точной настройки вашей стратегии, если у вас есть конкретная цель. Меры предосторожности и правила тестирования дают аналитикам по борьбе с мошенничеством больше возможностей для оценки влияния потенциальных правил, одновременно гарантируя, что радикальные изменения не повлияют на бизнес.
Правила были основой решений для мошенничества старой школы, пока не появилось машинное обучение и не изменило правила игры. Из-за изящных, гибких моделей переполненные, скрипучие своды правил казались устаревшими, а их обслуживание - рутиной.
Но это не означает, что правила полностью устарели. По-прежнему существуют ситуации, когда аналитикам мошенничества необходимо напрямую вмешиваться в предотвращение - и правила предоставляют средства для этого. Правила по-прежнему являются важной частью инструментария предотвращения, который дополняет машинное обучение и другие технологии. Итак, в каких ситуациях правила все еще могут быть эффективными?
Действовать быстро, чтобы остановить атаку
Аналитики по борьбе с мошенничеством могут использовать правила, чтобы быстро остановить мошенническую атаку, пока она происходит. Например, если атаку можно отследить в определенном месте, аналитик по борьбе с мошенничеством может использовать внесение местоположения в черный список, чтобы запретить все заказы с одного адреса или из определенной области. В отличие от других данных клиента, которые могут быть подделаны (например, номер телефона, адрес электронной почты), местоположение клиента часто остается постоянным для мошенника.
Активно блокировать новые тенденции мошенничества
Системы машинного обучения используют исторические данные, которым около 3 месяцев, поскольку для возврата платежей может потребоваться до 90 дней. Если в моделях используются только самые последние данные, модель не всегда может отличить новейшие векторы атак, используемые мошенниками (которые еще не вернули платеж), от остальных недавних реальных клиентов.
Аналитик по мошенничеству может быть осведомлен о новой тенденции в поведении мошенников, но модель машинного обучения еще не адаптирована к такому поведению, или их бизнес еще не подвергся атаке. В этой ситуации аналитик может активно использовать правила для предотвращения этого вида мошенничества, прежде чем это повлияет на его бизнес. Конкретные правила, детализирующие известные характеристики мошенничества с более чем одним условием, могут позволить менеджерам по борьбе с мошенничеством выбрать именно правильное поведение.
Использование правил для обеспечения хороших клиентов
Важно помнить, что правила можно использовать для разрешения, а не только для предотвращения. Это может помочь “сгладить грани” модели машинного обучения, когда бизнес вносит изменения. Например, розничный бизнес недавно начал отправлять нам новые данные о своих недавно приобретенных брендах. Мы использовали комбинацию разрешающих и запрещающих правил, чтобы помочь модели машинного обучения получать данные, необходимые для изучения новых шаблонов, одновременно защищая бизнес от серьезных атак мошенничества. Использование правил, разрешающих поведение клиентов, также может быть полезно, когда команда по борьбе с мошенничеством работает с другими бизнес-подразделениями, например маркетингом, где правила могут использоваться для разрешения проведения определенных рекламных акций.
С большими полномочиями по разработке правил приходит большая ответственность
Хотя правила могут быть очень полезны описанными выше способами, они также могут быть проблематичными, если их неправильно использовать. Одно неправильно настроенное правило потенциально может блокировать весь трафик или разрешать каждую транзакцию, включая любое мошенничество - оба эти условия могут иметь катастрофические последствия для бизнеса.
Мы видим, что довольно много наших клиентов изменяют правила в рамках своей повседневной деятельности, поэтому мы разработали инструменты, позволяющие соблюдать осторожность при использовании правил и позволяющие аналитикам по борьбе с мошенничеством больше узнавать о влиянии потенциальных правил, прежде чем вводить их в транзакции. Как мы это делаем?
Меры предосторожности
Как упоминалось, неправильно настроенные правила могут нанести ущерб бизнесу, блокируя значительные объемы вашей пользовательской базы. Это может произойти, если аналитик по мошенничеству новичок в системе мошенничества или допустит простую ошибку при вводе текста. Мы включаем меры предосторожности для предотвращения любых правил, которые могут привести к массовым, потенциально разрушительным изменениям.
Всякий раз, когда добавляется новое правило, мы применяем тест воздействия, чтобы увидеть, каким будет результат этого правила. Мы рассчитываем влияние конкретной комбинации правил на основе пользовательских данных отдельной компании (10 000 клиентов в день за каждый из предыдущих 7 дней).
Это дает нам разумную оценку того, какой процент клиентов был бы разрешен, проверен или заблокирован из-за этого правила. Если влияние правила превышает 5%, мера предосторожности означает, что аналитик по мошенничеству не сможет сделать это самостоятельно и должен будет попросить своего исследователя Ravelin включить правило.
Наша следственная группа способна понимать бизнес-цели и может работать над поиском альтернативного метода достижения цели без ущерба для остальной базы пользователей. Работая с различными компаниями-клиентами, наша команда накопила большой опыт в понимании того, какие условия правил хорошо сочетаются и как определить правильную комбинацию.
Правила тестирования
Мы не только готовы помочь компаниям выработать правильные комбинации правил, но и хотим предоставить аналитикам по борьбе с мошенничеством возможность изменять правила, не оказывая активного влияния на базу пользователей. Недавно мы ввели правила тестирования, чтобы сделать это возможным.
Правила тестирования позволяют вам создать новое правило и оценить его влияние, фактически еще не включая его в действие. Это означает, что вы можете протестировать различные комбинации и посмотреть, какая из них наиболее эффективна для того, что вы пытаетесь сделать. Например, вы можете просмотреть список клиентов, которые были бы заблокированы в случае введения нового правила. Вы также можете просмотреть сводное представление о том, как правило будет действовать с течением времени в Analytics.
Правила по-прежнему актуальны при разумном использовании
Использование машинного обучения для обнаружения мошенничества позволяет аналитикам мошенничества избавиться от обширных библиотек правил и начать с чистого листа. Но, хотя машинное обучение значительно обновило системы обнаружения мошенничества, это не означает, что вы должны полностью отказаться от использования правил. Правила можно использовать для быстрого прекращения атак и точной настройки вашей стратегии, если у вас есть конкретная цель. Меры предосторожности и правила тестирования дают аналитикам по борьбе с мошенничеством больше возможностей для оценки влияния потенциальных правил, одновременно гарантируя, что радикальные изменения не повлияют на бизнес.
