Identifica le attività fraudolente online

Previeni le frodi online e offri al contempo un'esperienza cliente fluida online

Ogni anno, a livello mondiale, decine di miliardi di dollari vanno in fumo a causa delle frodi online. In passato, le aziende utilizzavano applicazioni di rilevamento frodi che non erano sufficientemente accurate e non riuscivano a tenere il passo con i comportamenti dei truffatori in continua evoluzione. Con le soluzioni di machine learning di rilevamento frodi di AWS, le aziende possono rilevare e prevenire le frodi online in modo proattivo e più accurato. Queste soluzioni contribuiscono a ridurre le perdite di introiti, a evitare i danni all'immagine del marchio e a fornire un'esperienza cliente fluida online grazie alla capacità di adattarsi ai pattern delle minacce in continua evoluzione.

Vantaggi

Offri esperienze personalizzate migliori

Rileva le frodi alle tue condizioni

Le società che non dispongono di esperti di machine learning possono utilizzare Amazon Fraud Detector per integrare in pochi minuti le capacità di rilevamento frodi basate sul ML nelle proprie applicazioni aziendali, mentre le società che hanno un team dedicato di data scientist possono utilizzare Amazon SageMaker per sviluppare soluzioni di rilevamento frodi altamente specializzate nell'arco di qualche giorno.

Aumenta il coinvolgimento dei clienti

Sfrutta l'esperienza di Amazon nel rilevamento frodi

La soluzione di ML di rilevamento frodi di Amazon si basa sui vent'anni di esperienza di Amazon nella prevenzione delle frodi e dell'uso illecito all'interno di AWS, di Amazon.com e delle società sussidiarie per arricchire i modelli prodotti con la conoscenza dei pattern delle frodi.

Personalizza ogni touchpoint

Previeni e rileva le frodi online in tempo reale

La soluzione di ML di rilevamento frodi di Amazon valuta il rischio di un evento in tempo reale, permettendo ai clienti di applicare immediatamente le misure di contenimento o rimedio progettate per bloccare o respingere i truffatori. Allo stesso tempo, viene accordata la priorità alle attività a basso rischio, per fornire un'esperienza cliente migliore ai clienti in buona fede.

Personalizza ogni touchpoint

Assicura maggiore controllo ai team antifrode

Gestendo in modo automatico le complesse attività richieste per addestrare, ottimizzare e implementare un modello di rilevamento frodi, la soluzione di ML di rilevamento frodi di Amazon permette agli utenti che non sono esperti di machine learning, ma che ben conoscono i problemi legati alle frodi, di prendere parte allo sviluppo e all'aggiornamento di modelli molto accurati.

Testimonianze dei clienti

Omnyex

SLA Digital

SLA Digital crea nuovi flussi di introiti per gli operatori di telefonia mobile e i commercianti online in tutto il mondo attraverso soluzioni sicure e ottimali di fatturazione sul conto degli operatori telefonici. SLA Digital offre una piattaforma di fatturazione sul conto degli operatori telefonici che permette ai commercianti di prendere facilmente contatto con gli operatori di telefonia mobile, riducendo i costi, i rischi operativi e il time-to-market per ambo le parti. Come soluzione di aggregazione dei pagamenti, per l'attività di SLA Digital l'identificazione e la prevenzione delle transazioni fraudolente è essenziale.

"Un anno fa eravamo alla ricerca di una soluzione di rilevamento frodi che non richiedesse forti investimenti nello sviluppo di un'esperienza di machine learning interna. Grazie al sistema trasparente di prezzi basati sul consumo, Amazon Fraud Detector ci ha aiutato a creare un nuovo modello di machine learning efficace ed economico e a incorporarlo con facilità nel nostro sistema aziendale."

Richard Fisher, Direttore tecnico, SLA Digital

Omnyex

FlightHub Group

FlightHub Group rende più accessibili i viaggi, permettendo a un numero maggiore di persone di visitare nuove località ed esplorare nuove culture. Con oltre 5 milioni di clienti serviti ogni anno, l'obiettivo dell'azienda è fornire ai viaggiatori i voli più economici disponibili sul mercato, accanto a itinerari ottimali e a un servizio clienti eccellente. Una delle massime priorità del team di prevenzione frodi di FlightHub è distinguere i viaggiatori attenti al risparmio, alla ricerca di biglietti aerei convenienti, dai truffatori che cercano di comprare i biglietti con carte di credito rubate.

"Da quando abbiamo adottato Amazon Fraud Detector, il nostro tasso di interruzione della procedura di acquisto è sceso sotto il 2% (contro il precedente 5%). Inoltre, il tasso di storno degli addebiti ha raggiunto il valore minimo da quando è nata l'azienda. Ora l'azienda è in grado di elaborare e accettare un numero maggiore di quei checkout che in passato i nostri modelli avrebbero contrassegnato come "a rischio" e respinto. Tuttavia, la conquista maggiore forse è che stiamo ottenendo questi risultati fantastici con costi operativi pressappoco analoghi a quelli passati. Le conseguenze di tutto ciò sono l'aumento tanto delle prenotazioni quanto degli introiti, così come la riduzione delle perdite dovute agli storni di addebito."

Drayton Williams, Responsabile delle indagini sulle frodi, FlightHub

Pulselive

Aella Credit

"La verifica e la convalida delle identità rappresentano una sfida importante per i mercati emergenti. La capacità di identificare gli utenti senza margine di errore è un ostacolo fondamentale nella costruzione del credito di miliardi di persone nei mercati emergenti. L'utilizzo di Amazon Rekognition per verificare l'identità nell'ambito della nostra applicazione mobile ha ridotto in modo significativo gli errori di verifica e ci offre scalabilità. Ora è possibile rilevare e verificare l'identità di un individuo in tempo reale senza alcun intervento umano, il che velocizza l'accesso ai nostri prodotti. Per quanto abbiamo provato varie soluzioni ben pubblicizzate, nessuna delle alternative più note è stata in grado di tracciare accuratamente le varie tonalità della pelle. Amazon Rekognition ci ha permesso di riconoscere efficacemente i volti dei nostri clienti all'interno dei nostri mercati. Inoltre, ha agevolato le pratiche di Know Your Customer (KYC) permettendoci di scoprire profili sovrapposti e set di dati duplicati."

Wale Akanbi, Direttore tecnico e cofondatore, Aella Credit

Pulselive

ActiveCampaign

"Nel primo e nel secondo trimestre del 2020 abbiamo rilevato un picco nell'utilizzo degli account per attacchi di phishing. Di conseguenza, per identificare più rapidamente i malintenzionati avevamo bisogno di integrare la nostra soluzione esistente sviluppata internamente con dati e segnali più solidi relativi alle transazioni. Poiché noi stessi siamo un'azienda in fase di crescita, era importante disporre di una soluzione scalabile basata sul machine learning. Amazon Fraud Detector ha semplificato la creazione di un modello che utilizza i nostri dati e che identifica con precisione le registrazioni di account che provocano attacchi di phishing. Inoltre, aspetto ancora più importante, siamo stati in grado di ottenere tali risultati con una bassissima percentuale di falsi positivi, eliminando così il lavoro aggiuntivo del personale operativo. Amazon Fraud Detector offre un piano tariffario competitivo che ci permette di integrare facilmente il modello nel nostro flusso di lavoro esistente."

Alex Burch, Senior Email Operations Engineer, ActiveCampaign

Lotte Mart

Qantas Loyalty

"Amazon Fraud Detector ha notevolmente incrementato e migliorato la nostra capacità di rilevare e mitigare le frodi. La possibilità di scrivere regole personalizzate da applicare alla nostra specifica situazione, l'addestramento di modelli di ML on demand e la perfetta integrazione con altri servizi AWS ci hanno permesso di prendere decisioni in modo rapido e intelligente, mantenendo il controllo completo della piattaforma. AWS è stato molto utile per testare la fase di proof of concept e ha aggiunto alla piattaforme nuove funzionalità in linea con le ultime tendenze relative alle frodi."

Mary Criniti, CTO, Qantas Loyalty

Lotte Mart

CDKeys

"Con Amazon Fraud Detector abbiamo ridotto le transazioni fraudolente del 6%. Allo stesso tempo, siamo riusciti ad automatizzare il completamento del checkout in oltre il 90% delle transazioni che in precedenza sarebbero state contrassegnate per la revisione manuale. Ora riesaminiamo manualmente meno dell'1% delle transazioni, rispetto al precedente 10%. Da quando abbiamo implementato il servizio, abbiamo assistito a un miglioramento significativo nel nostro punteggio Trustpilot e sappiamo che è un risultato dell'automazione del rilevamento dei checkout, nonché di altre migliorie che apportiamo costantemente al sito Web. La fiducia è un elemento di valore fondamentale per i clienti, perciò è una grande vittoria per il nostro business."

Kevin Cole, Operations Director, Omnyex

Lotte Mart

Truevo

"Amazon Fraud Detector ci ha permesso di migliorare drasticamente le operazioni, reagire in modo più flessibile ai malintenzionati e avere maggiore controllo su sistemi e processi. All'inizio avevamo pensato di adottare una soluzione interna e di terze parti. Quando è stato annunciato Amazon Fraud Detector, abbiamo immediatamente cambiato idea. Siamo clienti AWS da molti anni e riponiamo grande fiducia nei prodotti Amazon. Con Amazon Fraud Detector, non siamo più legati ai convenzionali limiti delle offerte in locale o SaaS. Al contrario, abbiamo la flessibilità per adattare un servizio basato sul machine learning alle nostre esigenze e la capacità di utilizzare l'opzione solo regole di AWS e al tempo stesso scalare passando alle funzionalità di machine learning complete quando necessario. Ciò ha permesso a Truevo di risparmiare dai 3 ai 6 mesi di sviluppo! Abbiamo infatti distribuito il nostro primo modello prototipo in 30 minuti. Nel complesso, stiamo operando con maggiore sicurezza nella nostra capacità di rilevare le frodi in tempo reale. Abbiamo strumenti migliori per distribuire rilevamenti di regole quando notiamo attività sospette che potremmo non comprendere a pieno, ma che è necessario interrompere. Siamo in grado di soddisfare e adattarci a requisiti normativi e di schema in continua evoluzione e restare perciò sempre competitivi."

Charles Grech, COO, Truevo

Casi d'uso

Rilevamento di transazioni o pagamenti fraudolenti

L'evento di interesse è il tentativo di completare un acquisto online o effettuare o elaborare un pagamento online. Un esempio comune nell'ambito dell'e-commerce è il "checkout come ospite". La transazione coinvolge un utente con un account privo di cronologia o che ha selezionato l'opzione di checkout come ospite per un'esperienza più anonima.

Creazione di account fraudolenti

L'evento di interesse è l'atto di iscriversi o registrarsi per un nuovo account. La frode inizia quando un malintenzionato crea identità false, rubate o sintetiche, oppure crea molteplici account, spesso ricorrendo ai bot. Una volta creata l'identità su una piattaforma digitale, diventa facile sferrare l'attacco.

Acquisizione di account

L'evento di interesse è il tentativo di accesso da un account utente legittimo. L'acquisizione di account si riferisce al caso in cui il login di un utente legittimo sia stato compromesso perché un malintenzionato ha rubato le sue credenziali (ID utente e password), le ha acquistate sul dark Web o è riuscito a indovinarle.

Uso illecito delle promozioni

L'evento di interesse si riferisce solitamente all'utilizzo, da parte di un utente, di un vantaggio concesso da una promozione di marketing o di creazione di domanda. I malintenzionati accedono all'account di un utente legittimo e sottraggono crediti o punti fedeltà mediante acquisti o trasferimenti. Inoltre, creano molteplici account falsi per sfruttare promozioni come la prova gratuita o la concessione di crediti gratuiti per la creazione di un nuovo account, oppure segnalano il proprio nominativo per ottenere il bonus connesso all'invito di nuovi utenti.

Recensioni false o illecite

L'evento di interesse è la pubblicazione di una recensione del prodotto che potrebbe contenere contenuti fuorvianti o illeciti. La scansione automatica è essenziale per dimensionare la capacità di individuare le recensioni false e illecite, di modo che i team del servizio clienti non debbano cercare tra cumuli di avvisi, molti dei quali possono costituire dei falsi positivi.

Autenticazione

Durante la registrazione dell'account online, le soluzioni biometriche di riconoscimento facciale basato sul machine learning possono consentire la verifica dell'identità in ogni circostanza. È possibile integrare le capacità di riconoscimento facciale e analisi pre-addestrate e incorporate per migliorare il flusso di lavoro di inserimento e autenticazione degli utenti senza requisiti di esperienza nel machine learning.

Sei pronto per iniziare?

Contatta l'ufficio commerciale
Contattaci

Per ulteriori informazioni sulle soluzioni di machine learning per il rilevamento frodi, contattaci

Contattaci 
Trova un partner
Trova un partner

Contatta AWS Partner Network per lavorare con i nostri partner globali di consulenza e tecnologia

Inizia 
Nozioni di base sull'esecuzione delle iniziative
Provalo tu stesso

Sfrutta i servizi di intelligenza artificiale (IA) di Amazon SageMaker per sviluppare una soluzione personalizzata di rilevamento frodi

Ulteriori informazioni 

Provalo tu stesso

Amazon offre i seguenti servizi di IA che puoi utilizzare per integrare il rilevamento frodi nella tua applicazione aziendale.

Le organizzazioni prive di esperienza di machine learning o con vincoli di time-to-market possono integrare con facilità Amazon Fraud Detector, una soluzione di IA completamente gestita, nelle proprie applicazioni per affrontare i casi d'uso di rilevamento frodi più comuni.

Le organizzazioni che preferiscono sviluppare modelli personalizzati di machine learning possono utilizzare Amazon SageMaker, che fornisce algoritmi integrati e modelli pre-addestrati disponibili attraverso AWS Marketplace per costruire soluzioni di rilevamento frodi in pochi giorni.

Le organizzazioni che vogliono aggiungere la verifica dell'identità dell'utente ai propri flussi di lavoro di inserimento lavorativo e autenticazione possono utilizzare le soluzioni biometriche con riconoscimento facciale basate sul machine learning di Amazon Rekognition, che offre capacità pre-addestrate di riconoscimento facciale e analisi senza requisiti di esperienza nel machine learning.

In alternativa, è possibile utilizzare Amazon SageMaker per sviluppare modelli di ML di rilevamento frodi ad hoc.

Scopri come costruire un'architettura che utilizzi Amazon SageMaker per rilevare attività potenzialmente fraudolente e contrassegnarle per la revisione.

Risorse

Rileva le frodi più rapidamente sviluppando un proof of concept in Amazon Fraud Detector

Leggi il blog »

Costruisci, addestra e implementa un modello di rilevamento frodi con Amazon Fraud Detector

Avvia il tutorial »

Sfrutta la potenza del machine learning nella lotta contro le frodi online

Guarda il video »