在2015年，在信用卡，借记卡和预付费卡欺诈损失颁发的全球达到$ 21.84十亿，根据彭博社报道。到2020年，彭博社预计，这可以通过45％的速度增长。
从我们的研究，我们发现，无论是银行和商家正在调查可能保护他们的客户AI应用。在这篇文章中，我们将讨论七家公司，声称利用AI，以防止，检测和防范信用卡诈骗罪。列出的应用程序分为以下两个集群：
- 为商家和零售商的应用
- 对于发卡银行申请
在提供这一行业应用报告，我们的目标是描绘一个更清晰的前景的解决方案，发现和防止信用卡欺诈。通过下面列出的潜在的应用程序，我们希望这份报告能够帮助业务领导者探索部署预防性解决方案是否适合他们的业务。
为商家和零售商
IdentityMind全球的的eDNA
为了帮助商家，金融服务，咨询和支付服务提供商区分骗子客户，IdentityMind全球说，他们已经开发出一种机器学习驱动软件称为电子DNA (eDNA)，该公司声称它可以建立客户的数字身份。eDNA通过收集关于潜在客户的50多个数据点来做到这一点，比如电子邮件、电话、位置、护照号码和使用的技术设备。这些细节定义了在线交易时的个人信息，并随着客户的发展而更新。
据该公司介绍，该解决方案允许商家和银行是否需要更多的检查更安全层添加到验证或风险的过程。这使的eDNA分析和识别身份的声誉分数或风险。
该公司表示，机器学习算法搜索客户最近在网上活动，如支付行为，社会化媒体，社会保障，IP位置，设备的活动和帐单地址万维网。的更多的数据点算法收集的个体的，较低的风险因素。
这3分钟视频说明如何解决识别和相关因素的个人或公司的属性建立信任。
称为溶液的A组分IdentityLink身份之间建立的关系，以确定它们是否是相同的欺诈者排列或合作者的欺诈行为，公司称。例如，试图打开账户时，一个潜在的欺诈者可以列出不同的名称变化：杰西 - 杰弗森，杰斯杰弗里斯，J.杰弗逊，杰夫·杰西等的算法会看到聚集如IP地址或设备上的数据点模式其中，支付完成后，银行账户这些名字联系在一起，和支付行为。
建立身份之间的这些关系也有助于建立客户的信誉得分，并批准或者不予交易的基础上，根据公司。
根据该公司最近的一项案例研究，GoldMoney账户声称使用IdentityMind自动了解客户(KYC)、反洗钱和防欺诈活动。Goldmoney表示，自从使用该应用程序以来，公司实现了“曲棍球式”增长，上市时客户资产达20亿美元，并批准了来自150多个国家的新客户。
要启动KYC的过程中，用户首先填写与基于潜在欺诈者提供的物理文件的基本身份信息的形式。用户激活系统搜索的第三方机构，详细了解各个如与个人相关的银行账户，社会保障，纳税识别号。如果申请人被证实使用了他人的数据，并试图申请一个帐号，系统将标志着他作为可疑应用程序。
IdentityMind的首席技术官(CTO)和联合创始人Kieran Sherlock毕业于都柏林三一学院，获得了计算机科学学士学位。其他有人工智能背景的领导无法找到，也没有在公司网站上列出。
SiftScience
SiftScience该公司为商户提供的类似解决方案名为“数字信任平台”(Digital Trust Platform)，该方案声称使用机器学习来寻找各种细微差别的数据源，以确定客户的可信度，并持续更新该资料。这可以让商家实时监控并收到欺诈活动的警报，如退款、虚假账户、垃圾邮件、账户接管和推荐欺诈。
其中在线活动和其他详细信息的平台检查是用户购买，成交和订单;电子邮件，计费，运输和IP地址;支付方式;自定义数据和技术设备的使用。它还收集信息和分析非常详细的行为模式，比如浏览模式，键盘的喜好和屏幕倾斜。
SiftScience声称它的机器学习模型已经从实时在过去的六年中收集的数据了解到，从数以千计的第三方网站和应用程序。该数据被用于确定个体是否可疑或没有。
据该公司称，如果一个人的地方在电子商务网站上的可疑订单，一个人SiftScience分析师通知。They are then able to see the individual’s auto-generated profile showing the data associated with the individual’s cards, such as a history of purchases, IP addresses where the card was used, recent online orders and addresses physical associated with their account, according to the company.
使用这些信号，系统将风险评分从0分到100分，并显示在分析师的个人资料页面上。根据SiftScience的数据，100分代表风险最高。一个标签机制允许分析员点击一个按钮来决定他们是否相信一个用户是骗子。该公司声称，人工标记被送回平台，以提高其未来的准确性和更好的算法。
在3分钟的视频中，一个SiftScience的解决方案工程师演示了产品声称按日期范围内检查在线活动，删除或添加字段，或者检查客户的危险信号，调查客户。
一个客户端，Mercari，是一个基于日本的移动端对端电子商务市场。当公司扩张到美国时,it said it discovered that this market saw more fraudulent behavior. According to SiftScience’s case study, Mercari said they needed a solution that could prevent fraud and reduce chargebacks by evaluating buyer and seller behavior.
当选择SiftScience，该Mercari队并不需要与历史数据更新SiftScience机器学习模型，但使用的实时数据，而不是评估其准确性。该Mercari队计划给模特一个月的数据进行训练。
两个星期后的整合，筛科学声称它正在转出准确的分数。一个月内，Mercari声称它有信心让系统自动禁止高风险的订单。三个月内使用SiftScience的，Mercari的扣费和欺诈率下降了60％。
SiftScience的客户还包括打开表,Traveloka,和触摸现代的。
Sift Science的技术主管Alex Paino拥有密苏里-哥伦比亚大学的计算机工程和数学学士学位。他还声称自己参加过机器学习的研究生课程。SiftScience表示，该公司总共聘用了9名专注于机器学习的软件工程师。
Jumio
Jumio该公司网站称，NetVerify系统可以利用机器学习、生物面部识别和计算机视觉等技术，在真实世界的交易中检测并防止信用卡欺诈。该公司解释说，需要将人工审查作为一个附加的验证层，并授予审查人员经验、专业知识和培训来查看可识别的模式。
该解决方案声称身份证验证，身份验证和文档验证，该公司表示，建立消费者的真实身份结合起来。该公司表示，该软件可以扫描一个ID，以确定客户是谁，他们说他们是，虽然同样捉住假身份证。
例如，如果个人申请信用卡的人，个人可能会被要求出示政府签发的身份证。然后，信用卡发卡银行将扫描与Netverify的智能手机应用相机的ID。发行人也是促使采取个人的脸的照片并上传到Netverify平台。据Jumio，该软件将尝试在脸上身份证到个人的照片上的匹配。
Jumio声称生物识别面部识别系统，眼球跟踪，可以捕捉到最细微的面部运动和特征，以阻止潜在的骗子。该系统还可以识别任何篡改ID的尝试，如剪切图像或ID的一部分。
该公司表示，Netverify是针对行业，包括金融服务，旅游，零售，游戏，电信，群众集资，并在家中或搭车。
这个简短的视频显示一个商人如何上传手机上的应用程序，并用它做一个ID扫描和实时自拍核实客户的身份。
Jumio声称，这项技术可以通过减少假跌幅加大结帐完成。该公司还声称，来自200个国家认可标识和验证了超过1.2亿的身份在网络和移动交易，包括KYC，反洗钱，和一般数据保护条例（GDPR）的指导方针。
该公司还报告说，它已经获得了欺诈交易和ID，使它能够从商家和银行系统检测欺诈者的庞大的数据库。该数据库还培训了软件的计算机视觉算法，使其能够识别趋势。
在实施Jumio之前，在线游戏公司888.com他们说，他们使用了一个系统，要求玩家直接将政府发放的身份证照片上传到888.com。核实照片和批准会员资格耗时72小时。
“手动过程既耗时又有人担心，我们正在失去由于客户对他们失去耐心的过程。”- 罗素混合泳，欺诈和风险管理总监888.com。
Jumio声称，它已经聘请了工作人员手工处理文档。今天，888.com说，申请人必须通过Jumio解决方案提交，使用个人网络摄像头拍摄自己的形象和ID的选项。Jumio声称个人将在两分钟之内获得批准的决定。
Jumio首席执行官Stephen Stuut拥有科学的光学从科学亚利桑那大学在宾夕法尼亚大学学院和MBA从沃顿商学院硕士学位。
Labesh特尔既是首席技术官和首席科学家。他获得了科学硕士学位电气工程学士学位从技术在坎普尔的印度理工学院斯坦福大学和学士学位技术。
FeedZai
Feedzai“s是一个欺诈检测公司，索赔与来自商家的数据和欺诈的见解和银行工作”系统，以建立详细的客户的风险状况。Feedzai声称能够以毫秒为突发事件或交易发生的事情要做。其中数据点Feedzai说，它收集的IP地址，地理位置，过去的交易和滥用的模式，如黑客帐户和更改密码。
该公司声称，该解决方案的机器学习能力消除了手工分析和规则编码，因为它从每笔交易中实时构建，并加快和简化了决策过程。该公司的网站称，商家可以通过Feedzai的评分引擎从界面和在线活动监控控制台查看案例和交易。
一个Feedzai的客户，一美国零售银行,需要进行风险评估的解决方案，可以通过新的在线帐户申请筛选，顺利批准的客户。Feedzai之前，客户说人工审查导致了顾客的良好虚假下降多达50％。自从实施Feedzai解决方案，该银行已经报道了在应用程序批准了70％的增长。该公司还声称，该应用帮助了10倍降低误报虽然没有提供具体的数字。案例研究还报告说，新的数据流，现在星期内整合。
管理整个产品开发，技术战略和实施是CTO Paulo Marques进行谁拥有信息学从科英布拉大学工程博士学位。
下面的视频短片说明了Feedzai在其中信用卡交易处理，无论是在网上还是在现实生活中使用结账。在处理过程中，该软件使用人工智能和机器学习找到数据点与信用卡帐户相关的模式和用户行为，来预测诈骗。
该算法经过商家系统内的数据分析在线的危险因素。一旦发现算法模式和建立风险，系统模块的顺序。风险评分功能提供有关有关订单的真实性决定商家的分析师。
虽然Feedzai没有确定在其网站上的客户端，但该公司指出，投资者包括花旗企业和德勤。
开证行解决方案
iovation公司
iovation公司说其对发行人的解决方案是建立在设备智能化，确定设备配置文件，以潜在的阻止发生欺诈交易的技术。叫FraudForce，该解决方案被描述为具有内约100毫秒，其个人设备，如智能手机和计算机，可能造成业务风险检测的能力，使他们能够在它发生之前阻止欺诈行为。
该公司报告称，当客户访问银行网站时，FraudForce会通过cookies和网络信标收集有关该设备的信息。该解决方案调查设备的使用地点、最近使用的目的，以及它是否有异常高的在线活动。这是解决方案对欺诈模式的评估的一部分，并建议拒绝、批准或审查交易。该公司声称，这个过程发生在大约十分之一秒。
该公司提供的另一种解决方案，称为SureScore，它声称，分析数以百万计的交易和属性排列预测第一次交易的结果。这一结果是在一个信托或风险评分，这是由检测来自设备和账户，该公司报告的行为，情境，关系和属性模式机器学习算法决定的形式。事实上，应用程序提醒用户谁信任而为之警惕的。
据公司首席执行官Greg皮尔逊，滥用在一个月50万个报告被送入SureScore系统，这反过来又找到链接，个人的设备。AI系统则提供反馈。他还解释了系统如何手表出去内部欺诈，由银行自己的员工从他们的防火墙后面进行的活动。此外，根据该网站，SureScore通过访问贡献的3500名欺诈分析师iovation公司的网络超过3500万个的欺诈和滥用行为举报训练。
当访问者进入一个电子商务网站 - 和批准饼干 - 该公司表示，SureScore机器学习算法马上工作跟踪帐号或设备的IP地址。该公司声称，它也能识别模式和用户行为。该算法然后寻找一个访问者的设备或帐户和那些可疑或已知的欺诈者之间的关系。
如果算法发现其在线交易，并确认欺诈事件的数据库中类似的属性，为用户提供了一个高风险的分数。如果没有检测到的模式，为用户提供了一个高信任分数。该网站报道称，此标识和银行通知，实时发生。
在这个3分钟的视频中，首席执行官解释技术设备如何代表一个个体，如何将这些设备是由iovation公司的客户使用。
在Iovation案例研究中，Forrester咨询公司这家金融服务机构发行的私人信用卡和银行卡在其互联网渠道上遭遇了更高的欺诈率。弗雷斯特需要一个解决方案，可以减少假阳性的数量，同时揭露骗子。根据Iovation的案例研究，该公司选择了Iovation防欺诈解决方案来识别设备。
该报告称，该组织通过减少从欺诈损失“及早发现欺诈申请和减少误报的数量。”该报告还称，该公司通过提高运营效率“减少花费的时间诊断骗保的应用程序。”
iovation公司声称它能够更好地针对高价值客户，并在六个月内实现投资回报（ROI）的321％的风险调整后，两年的回报，节省了超过800万$。
CTO酷航沃德尔拥有耶鲁大学理学士学位电气工程和科学普渡大学同领域的硕士学位。约翰·L·泰勒，谁在公司内部分析和数据科学的管理，专业的统计分析，数据挖掘和机器学习。他研究对科学逻辑和计算在卡内基 - 梅隆大学的硕士学位，但没有完成他的学位。
一些公司的客户包括Orbitz、花旗银行、美国银行、Intuit和Enova。
Biocatch
Biocatch是Behavioral生物识别解决方案，识别在线欺诈的通过自己的行动，例如在应用过程中，导航和数据输入的熟悉程度，当他们访问一个电子商务网站。为了防止实时欺诈，发行嵌入此技术到一个应用程序或网站，在那里它通过收集和分析超过500个属性一旦在用户登录进行连续认证。
从分析站，系统标记不寻常的行为，如准欺诈者在入职过程中的熟悉程度，因为他们有在网站上创建帐户的重复经验。与普通电脑用户相比，他们在浏览网站方面也很熟悉，并拥有不同寻常的高级电脑技能，比如使用键盘快捷键和功能键。分析人士还指出，潜在的欺诈者对他们试图输入的数据不熟悉，导致他们输入数据的速度变慢。
2017年,一个全球信用卡客户部署BioCatch解决方案，以减少虚假下降的数量。客户面临着谁使用个人信息被盗或假身份申请信用卡欺诈者的挑战。Biocatch之前，客户端使用的身份验证的静态方法 - 个人数据，设备ID。部署BioCatch添加另一层安全的软件使用行为特征技术，通过在线申请过程中，从骗子区分合法用户。
该案例研究报告称，当BioCatch检测到其他解决方案没有标记的欺诈性应用程序时，用户体验保持平稳。结果是，虚假下降减少了33%，欺诈警报的准确性比现有解决方案提高了50%，被确认为欺诈或高度可疑的警报则提高了100%。
这个视频演示节目Biocatch如何分析客户的行为模式，诸如正在使用手，信息的方式被输入或者该网站是如何导航。即使欺诈者捕获顾客的身份该公司称，该解决方案将实时进行持续验证。
分析人员将能够看到的行为，把它归类为欺诈，ID欺诈者的地理位置，并注意所使用的设备类型。该分析师还可以查看欺诈会话录制的视频，详细介绍了欺诈者的触摸和滑动操作来观察真正的客户与欺诈之间的差异。
据该公司的主页，该解决方案还可以通过商户，网关，处理器，商会证，收单行使用。
Biocatch首席执行官霍华德·埃德尔斯坦，谁拥有硕士电气工程，斯坦福大学，写在LinkedIn上，“为什么不应该有更好的方式来知道它真的是你在这个黑暗的世界‘在线’的身份？不只是什么个人问题，你能正确地回答，（你知道），或令牌（你有什么），而是由你是谁，由你表现出，在做日常琐事的行为建模“。
阿维Turgeman是首席技术官谁领导行为特征，机器学习，深度学习和在公司人工智能的发展。他持有理学士的学位物理学和科学哲学科学硕士学位。阿维还拥有17项专利，以他的名字相关的设备，系统和网络安全的方法。
决策情报
全球金融机构，如万事达卡还开发了称为内部解决方案决策情报，描述为一个实时的决策解决方案，它应用成千上万的数据点和建模技术，以加快审批的每一个交易的真正的客户。
这个视频显示决策智能如何声称审批信用卡购买之前，以配合客户的历史购买行为。之间的数据点的溶液的检查是顾客值细分，风险谱，位置，商家，设备数据，一天中的时间和购买的类型。
举一个例子，一个用户进入电子商务网站下单买一双跑鞋和水化背心。决策智能的机器学习算法检查从商家和万事达的数据库中的数据中寻找模式，并确定这是否购买与买家的惯常的在线行为一致。
根据该公司的说法，该算法通过诸如购买类型、时间、地点和购买成本等数据点来查看客户的模式是否熟悉。它还会检查其他属性，如IP地址、设备ID、电子邮件和电话号码。
该应用程序还那么检查商家的系统找出如果客户分配风险或信任分数。如果算法没有显示出图案欺诈一致，系统将批准购买。如果不是，该公司表示，它可能会拒绝购买。该公司声称，这一评估过程发生在整个系统的实时性。
总结思考
许多初创公司能够为其他金融机构提供解决方案。例如,Feedzai,身份心灵全球,和万事达还提供了自己的应用程序获取银行谁地址商户的风险。这些AI公司声称，他们的技术创造模型商家一个很好的经验，并保持远离欺诈的。
这些初创公司声称，他们的软件为收购提供了条件银行一个集中的方式来跟踪商人活动的实时，从银行的分析师站能力不断评估合规风险和暴露。该用户还收到警报，并通过由商家可疑活动上报触发，根据这些公司。
综上所述，上述信用卡欺诈检测和预防应用程序的一个共同特点是能够构建和分析数字身份。这些标识通常基于从多个源收集的数据点或属性。对于上述公司，这些基本属性包括电子邮件、电话、地理位置、护照和使用的个人设备。
除了这些数据点，这些AI供电解决方案还要求收集生物识别DAT一个如面部特征和眼球运动;技术设备属性，例如屏幕触摸和划动，键盘敲击，屏幕的倾斜，并且其中正被使用的设备位置;网上交易行为，如一天中的时间，浏览模式;以及交易历史，如类型和订单量，收货和付款地址。这些公司声称，属性将继续建立与客户的在线活动的增长。
尽管有这些好处，一个持续存在的共同主题是持续的人力监督，以使解决方案更有效。仍然需要人工分析师来调查欺诈模式。
随着技术的提示，机器学习仍然是 - 学习和发展。作为Jumio首席执行官Stephen Stuut，在说面试“当我们引入一项新技术时，我们仍然有人类的互动，如果它有效，我们将支持机器学习，但会继续关注它。”
标题图片来源:Pixabay
