Identifikasi aktivitas penipuan online

Cegah penipuan online sambil memastikan pengalaman pelanggan tetap lancar

Setiap tahun di seluruh dunia, puluhan miliar dolar hilang akibat penipuan online. Secara tradisional, perusahaan menggunakan aplikasi deteksi penipuan berbasis aturan yang tidak cukup akurat dan tidak dapat mengikuti perubahan perilaku penipu. Dengan solusi machine learning Deteksi Penipuan AWS, perusahaan dapat secara proaktif dan lebih akurat mendeteksi dan mencegah penipuan online. Solusi ini akan membantu mengurangi kerugian pendapatan, menghindari kerusakan merek, dan memberikan pengalaman online pelanggan tanpa gesekan sambil beradaptasi dengan perubahan pola ancaman.

Identifikasi aktivitas penipuan online dengan Machine Learning | Amazon Web Services (2:05)

Keuntungan

1282804749

Deteksi penipuan dengan persyaratan Anda sendiri

Perusahaan yang tidak memiliki pakar machine learning, dapat menggunakan Amazon Fraud Detector untuk menambahkan kemampuan pendeteksian penipuan berbasis ML ke aplikasi bisnis mereka dalam hitungan menit, sementara perusahaan dengan tim ilmuwan data yang berdedikasi dapat menggunakan Amazon SageMaker untuk mengembangkan solusi pendeteksian penipuan yang sangat khusus dalam hitungan hari

588359470

Dibangun di atas keahlian deteksi penipuan Amazon

Solusi ML Deteksi Penipuan Amazon memanfaatkan pengalaman Amazon selama 20 tahun dalam mencegah penipuan dan penyalahgunaan di AWS, Amazon.com, dan bisnis anak perusahaan untuk memperkaya model yang dihasilkannya dengan pengetahuan tentang pola penipuan.

534424521

Mencegah dan mendeteksi penipuan online secara waktu nyata

Solusi ML Deteksi Penipuan Amazon menilai risiko suatu peristiwa secara waktu nyata, memungkinkan pelanggan untuk secara instan menerapkan tindakan penahanan atau perbaikan yang dirancang untuk memblokir atau menolak penipu dan mempercepat aktivitas berisiko rendah untuk memberikan pengalaman pelanggan yang lebih baik bagi pelanggan yang sah.

1227094223

Memberikan lebih banyak kendali kepada tim pendeteksi penipuan

Dengan secara otomatis menangani tugas kompleks yang diperlukan untuk melatih, menyesuaikan, dan men-deploy model deteksi penipuan, Solusi ML Deteksi Penipuan Amazon memungkinkan pengguna yang bukan ahli machine learning, tetapi terbiasa dengan masalah penipuan, untuk berpartisipasi dalam mengembangkan dan memperbarui model yang sangat akurat.

Kasus penggunaan

Deteksi penipuan pembayaran atau transaksi

Peristiwa minat adalah upaya untuk menyelesaikan pembelian online atau melakukan atau memproses pembayaran secara online. Salah satu contoh umum di ruang perdagangan elektronik berkaitan dengan "pembayaran tamu". Transaksi melibatkan pengguna yang tidak memiliki riwayat akun atau telah memilih opsi checkout "tamu" untuk pengalaman yang lebih anonim.

Penipuan akun baru

Peristiwa yang menarik adalah tindakan mendaftar atau mendaftar untuk akun baru. Penipuan dimulai ketika aktor jahat membuat identitas palsu, curian, sintetis, atau menghasilkan banyak akun, sering kali melalui penggunaan bot. Setelah identitas ditetapkan pada platform digital, melakukan serangan menjadi lebih mudah.

Pengambilalihan akun

Peristiwa yang menarik adalah upaya masuk untuk akun pengguna yang sah. Pengambilalihan Akun mengacu pada situasi di mana login pengguna yang sah telah disusupi, baik karena aktor jahat telah mencuri id pengguna dan kata sandi mereka, membelinya di web gelap, atau berhasil menebaknya.

Penyalahgunaan promosi

Peristiwa yang menarik biasanya tindakan pengguna menebus manfaat yang diberikan melalui generasi permintaan atau promosi pemasaran. Pelaku jahat akan mengakses akun pengguna yang sah dan menguras kredit atau poin loyalitas melalui transfer atau pembelian. Mereka juga akan membuat beberapa akun palsu untuk memanfaatkan promosi seperti uji coba gratis atau kredit gratis yang datang dengan akun baru, atau melakukan rujukan mandiri untuk mendapatkan bonus rujukan.

Ulasan Palsu atau Menyalahgunakan

Peristiwa yang menarik adalah postingan ulasan produk yang mungkin berisi konten yang menyesatkan atau kasar. Penyaringan otomatis sangat penting untuk meningkatkan kemampuan untuk menemukan ulasan palsu dan kasar sehingga tim layanan pelanggan tidak perlu melewati banyak peringatan, yang banyak di antaranya mungkin positif palsu.

Autentikasi

Selama pendaftaran akun online, biometrik wajah yang didukung machine learning dapat mengaktifkan verifikasi identitas untuk situasi apa pun. Dengan pengenalan wajah yang telah dilatih sebelumnya dan kemampuan analisis yang disematkan, Anda dapat menambahkan ini untuk menyempurnakan alur kerja orientasi dan autentikasi pengguna tanpa memerlukan keahlian machine learning.

Kisah pelanggan

Omnyex

SLA Digital

SLA Digital menciptakan pengaliran pendapatan baru untuk operator seluler dan pedagang online di seluruh dunia melalui solusi tagihan operator yang mulus dan aman. SLA Digital menyediakan platform tagihan operator yang memungkinkan pedagang terhubung dengan mudah dengan operator seluler; mengurangi biaya, risiko operasional, dan waktu ke pasar untuk kedua belah pihak. Sebagai agregator pembayaran, mengidentifikasi dan mencegah transaksi penipuan sangat penting untuk bisnis SLA Digital.

"Dua belas bulan yang lalu, kami mencari solusi deteksi penipuan yang tidak mengharuskan kami untuk berinvestasi besar-besaran dalam keahlian machine learning kami sendiri. Dengan harga bayar sesuai penggunaan yang transparan, Amazon Fraud Detector membantu kami dengan mudah membuat dan menggabungkan model machine learning baru yang efektif dan terjangkau ke dalam penyiapan kami yang ada."

Richard Fisher, Kepala Teknologi (Head of Technology) di SLA Digital

Untitled-1

FlightHub Group

FlightHub Group membuat perjalanan dapat diakses, memungkinkan lebih banyak orang mengunjungi tempat baru dan menjelajahi budaya baru. Dengan lebih dari 5 juta pelanggan dilayani per tahun, tujuan mereka adalah untuk menyediakan para pelancong dengan penerbangan termurah yang tersedia, bersama dengan rencana perjalanan yang optimal dan layanan pelanggan yang luar biasa. Salah satu prioritas tertinggi untuk tim Pencegahan Penipuan FlightHub adalah membedakan seorang pelancong yang sadar akan nilai yang mencari tiket pesawat terjangkau dari penipu yang ingin membeli tiket dengan kartu kredit curian.

"Sejak memperkenalkan Amazon Fraud Detector, tingkat pembatalan kami turun di bawah 2% (dibandingkan sebelumnya sebesar 5%). Selain itu, tarif penagihan balik kami adalah yang terendah sejak awal berdirinya perusahaan. Bisnis sekarang dapat menerima lebih banyak pembayaran yang model kami sebelumnya akan ditandai sebagai berisiko dan ditolak. Namun, mungkin yang terbaik adalah kami mendapatkan hasil yang luar biasa ini dengan biaya operasional yang kira-kira sama seperti sebelumnya. Semua ini menghasilkan peningkatan jumlah pemesanan dan pendapatan, bersama dengan penurunan kerugian karena penagihan balik."

Drayton Williams, Manajer Investigasi Penipuan (Fraud Investigations Manager) di FlightHub

Pulselive

Aella Credit

“Verifikasi dan validasi identitas telah menjadi tantangan besar dalam pasar yang mulai berkembang. Kemampuan untuk dengan tepat mengidentifikasi pengguna adalah hambatan utama dalam membangun kredit bagi miliaran orang di pasar yang mulai berkembang. Menggunakan Amazon Rekognition untuk verifikasi identitas pada aplikasi seluler kami telah mengurangi kesalahan verifikasi secara signifikan, dan memberi kami kemampuan untuk meningkatkan skala. Kini kami dapat mendeteksi dan memverifikasi identitas individu secara real time tanpa intervensi manusia apa pun, sehingga memungkinkan akses lebih cepat ke produk kami. Kami telah mencoba berbagai solusi yang banyak diiklankan, tetapi tidak ada satu pun alternatif populer yang dapat secara akurat memetakan berbagai rona kulit. Amazon Rekognition membantu kami dengan efektif mengenali wajah pelanggan kami di pasar kami. Ini juga membantu kami dengan KYC dalam menemukan profil yang tumpang tindih dan menduplikasi set data”.

Wale Akanbi, CTO & Co-Founder - Aella Credit

Pulselive

ActiveCampaign

“Pada Q1/Q2 2020 terjadi lonjakan akun yang digunakan untuk serangan phishing. Alhasil, kami harus melengkapi solusi buatan internal kami dengan data transaksi dan sinyal yang lebih kuat untuk mengidentifikasi pelaku kejahatan lebih dini. Solusi terukur berdasarkan pembelajaran mesin prediktif penting bagi kami sebagai bisnis yang juga sedang tumbuh. Amazon Fraud Detector memudahkan pembangunan model menggunakan data kami sendiri yang secara akurat mengidentifikasi pendaftaran akun-akun penyebab serangan phishing. Lebih penting lagi, hasil ini dapat kami peroleh dengan tingkat positif palsu yang sangat rendah, yang berarti tidak ada pekerjaan tambahan untuk staf operasional kami. Amazon Fraud Detector memiliki model penetapan harga yang kompetitif dan kami dapat dengan mudah mengintegrasikan model ke dalam alur kerja yang ada”.

Alex Burch, Pakar Operasi Email Senior (Senior Email Operations Engineer) - ActiveCampaign

Lotte Mart

Qantas Loyalty

“Amazon Fraud Detector telah menjadi tambahan yang sangat baik untuk deteksi Penipuan dan kemampuan mitigasi kami. Kemampuan menulis aturan kustom yang berlaku untuk situasi unik kami, melatih model ML sesuai permintaan, dan integrasi lancar dengan layanan AWS lainnya memungkinkan kami membuat keputusan dengan cepat dan cerdas sambil mempertahankan kendali platform yang lengkap. AWS sangat bermanfaat selama tahap bukti konsep dan telah menambahkan fitur ke platform yang sesuai dengan tren Penipuan”.

Mary Criniti, CTO - Qantas Loyalty

Lotte Mart

CDKeys

"Dengan Amazon Fraud Detector, kami mengurangi transaksi yang bersifat menipu sebesar 6%. Pada saat bersamaan, kami telah mampu mengotomatiskan pemenuhan checkout sebesar lebih dari 90% dari transaksi yang sebelumnya telah ditandai untuk ditinjau secara manual. Sekarang, kami melakukan peninjauan manual kurang dari 1% dari transaksi kami—turun dari angka 10%. Sejak mengimplementasikan layanan ini, kami telah melihat peningkatan yang signifikan dalam skor Trustpilot kami, dan kami tahu ini adalah hasil dari otomatisasi deteksi checkout, serta penyempurnaan tambahan yang terus kami lakukan pada situs web. Kepercayaan menjadi bagian besar dari nilai kami pada pelanggan, jadi itu merupakan prestasi besar bagi bisnis kami”.

Kevin Cole, Direktur Operasi (Operations Director) - Omnyex

Lotte Mart

Truevo

"Dengan Amazon Fraud Detector, kami dapat meningkatkan operasi secara drastis, meningkatkan fleksibilitas kami untuk merespons pelaku kejahatan, dan memiliki kontrol lebih besar terhadap sistem dan proses. Awalnya, kami saat itu tengah mengeksplorasi solusi internal dan pihak ke-3. Ketika Amazon Fraud Detector diumumkan, kami segera putar haluan. Kami telah bertahun-tahun menjadi pelanggan AWS dan sangat percaya pada produk Amazon. Dengan Amazon Fraud Detector, kami tidak lagi terikat oleh pembatasan konvensional atas penawaran lokal atau SaaS. Justru kami memiliki fleksibilitas untuk mengadaptasi layanan yang diberdayakan Machine Learning untuk memenuhi kebutuhan kami dan kemampuan untuk menggunakan opsi hanya aturan AWS sekaligus dengan mudah meningkatkan kemampuan penuh Machine Learning saat dibutuhkan. Truevo berhasil menghemat 3-6 bulan pengembangan! Bahkan, kami menerapkan model prototipe pertama kami dalam waktu 30 menit. Secara umum, kami beroperasi dengan lebih percaya diri pada kemampuan kami untuk mendeteksi penipuan secara waktu nyata. Kami lebih siap untuk menerapkan deteksi aturan bila kami melihat aktivitas janggal yang mungkin tidak sepenuhnya kami pahami, tetapi harus dihentikan. Kami mampu merespons dan beradaptasi dengan syarat peraturan dan skema yang terus berubah sehingga kami tetap menguasai permainan.”

Charles Grech, COO - Truevo

Siap untuk memulai?

Hubungi penjualan
Hubungi kami

Hubungi kami untuk informasi selengkapnya tentang solusi machine learning untuk Deteksi Penipuan

Hubungi kami 
Temukan partner
Temukan Partner

Hubungi Jaringan Partner AWS, untuk bekerja sama dengan partner teknologi dan konsultasi global kami

Memulai 
Mulai menjalankan inisiatif
Lakukan sendiri

Manfaatkan Layanan Amazon AI atau Amazon SageMaker untuk mengembangkan solusi deteksi penipuan Anda sendiri

Pelajari selengkapnya 

Lakukan sendiri

Amazon menawarkan Layanan AI berikut yang dapat digunakan untuk menambahkan deteksi penipuan ke aplikasi bisnis Anda.

Untuk organisasi yang tidak memiliki pengalaman machine learning atau dengan batasan waktu ke pasar, Amazon Fraud Detector, layanan AI yang terkelola sepenuhnya, dapat dengan mudah diintegrasikan ke dalam aplikasi Anda untuk mengatasi kasus penggunaan deteksi penipuan yang paling umum.

Organisasi yang lebih suka mengembangkan model machine learning mereka sendiri dapat menggunakan Amazon SageMaker yang menyediakan algoritme bawaan dan model terlatih yang tersedia melalui AWS Marketplace, untuk membangun solusi deteksi penipuan dalam hitungan hari.

Organisasi yang ingin menambahkan verifikasi identitas pengguna ke alur kerja orientasi dan autentikasi mereka dapat menggunakan biometrik wajah yang didukung machine learning menggunakan Amazon Rekognition yang menawarkan kemampuan pengenalan dan analisis wajah yang telah dilatih sebelumnya; tidak diperlukan keahlian machine learning.

Atau, Anda dapat menggunakan Amazon SageMaker untuk membangun model ML deteksi penipuan.

Pelajari cara membangun arsitektur yang menggunakan Amazon SageMaker untuk mendeteksi potensi aktivitas penipuan dan menandai aktivitas tersebut untuk ditinjau.

Sumber daya

Tangkap penipuan lebih cepat dengan membangun bukti konsep di Amazon Fraud Detector

Baca blog berikut »

Bangun, latih, dan deploy model deteksi penipuan dengan Amazon Fraud Detector

Mulai tutorial »

Hadirkan Kekuatan Machine Learning untuk Perang Melawan Penipuan Online

Tonton video »