Identifique atividades online fraudulentas

Previna fraudes online e, ao mesmo tempo, garanta uma experiência online sem atrito para o cliente

Todo ano, dezenas de bilhões de dólares são perdidos por fraudes online em todo o mundo. Tradicionalmente, as empresas usavam aplicações de detecção de fraude baseados em regras que não são precisas o suficiente e não conseguem acompanhar as mudanças de comportamento dos fraudadores. Com as soluções de machine learning do AWS Fraud Detection, as empresas podem detectar e prevenir fraudes online de forma proativa e precisa. Essas soluções ajudarão a reduzir as perdas de receita, evitar danos à marca e fornecer uma experiência online sem atritos ao cliente enquanto se adaptam aos padrões de ameaças em constante mudança.

Identify fraudulent online activities with Machine Learning (Identifique atividades fraudulentas online com Machine Learning) | Amazon Web Services (2:05)

Benefícios

1282804749

Detecção de fraude conforme sua necessidade

As empresas que não têm especialistas em machine learning podem usar o Amazon Fraud Detector para adicionar recursos de detecção de fraude baseados em machine learning a suas aplicações de negócios em minutos, enquanto empresas com uma equipe dedicada de cientistas de dados podem usar o Amazon SageMaker para desenvolver soluções altamente especializadas de detecção de fraude em dias.

588359470

Criado com base na experiência em detecção de fraudes da Amazon

As soluções de detecção de fraude por ML da Amazon aproveitam os 20 anos de experiência da Amazon na prevenção de fraudes e abusos na AWS, Amazon.com e empresas subsidiárias para enriquecer os modelos que ela produz com o conhecimento dos padrões de fraude.

534424521

Previne e detecta fraudes online em tempo real

As soluções de Detecção de fraude por machine learning da Amazon classificam o risco de um evento em tempo real, permitindo que os clientes apliquem imediatamente medidas de contenção ou remediação projetadas para bloquear ou negar os fraudadores e agilizar as atividades de baixo risco para fornecer melhores experiências dos clientes legítimos.

1227094223

Dê às equipes de fraude mais controle

Ao lidar automaticamente com as tarefas complexas necessárias para treinar, ajustar e implantar um modelo de detecção de fraude, as soluções de Detecção de fraude por machine learning da Amazon possibilitam que usuários que não são especialistas em machine learning, mas estão familiarizados com problemas de fraude, participem do desenvolvimento e da atualização de modelos altamente precisos.

Casos de uso

Detecção de fraude em pagamento ou transação

O evento de interesse é uma tentativa de concluir uma compra online ou fazer ou processar um pagamento online. Um exemplo comum no espaço de comércio eletrônico refere-se a um “check-out de convidado”. A transação envolve um usuário que não tem histórico de conta ou selecionou uma opção de check-out “convidado” para uma experiência mais anônima.

Nova fraude de conta

O evento de interesse é o ato de cadastrar-se ou registrar-se em uma nova conta. A fraude começa quando um agente mal-intencionado cria uma identidade falsa, roubada ou sintética ou gera várias contas, geralmente por meio do uso de bots. Depois que a identidade é estabelecida em uma plataforma digital, é mais fácil executar um ataque.

Tomada de controle de conta

O evento de interesse é uma tentativa de login para uma conta de usuário legítima. A Tomada de controle de conta refere-se à situação em que o login de um usuário legítimo foi comprometido, seja porque um agente mal-intencionado roubou o ID de usuário e senha, comprou-os na dark web ou conseguiu adivinhá-los.

Abuso de promoção

O evento de interesse é normalmente o ato de um usuário resgatar um benefício concedido por meio de uma geração de demanda ou promoção de marketing. Agentes mal-intencionados acessarão a conta de um usuário legítimo e drenarão os créditos ou os pontos de fidelidade por meio de transferência ou compra. Eles também criarão várias contas falsas para explorar promoções, como um teste gratuito ou créditos gratuitos que vêm com uma nova conta, ou realizar uma autoindicação para obter um bônus de indicação.

Avaliações falsas ou abusivas

O evento de interesse é a publicação de uma avaliação de produto que pode conter conteúdo enganoso ou abusivo. Automatizar a triagem é fundamental para a escalabilidade da capacidade de detectar avaliações falsas e abusivas, para que as equipes de atendimento ao cliente não tenham que percorrer pilhas de alertas, muitos dos quais podem ser falsos positivos.

Autenticação

Durante o registro da conta online, a biometria facial com machine learning pode permitir a verificação de identidade em qualquer situação. Com reconhecimento facial pré-treinado e recursos de análise incorporados, você pode adicionar esse procedimento para aprimorar o fluxo de trabalho de integração e autenticação do usuário sem precisar de experiência em machine learning.

Descubra serviços com propósitos específicos, soluções da AWS, soluções de parceiros e orientações para lidar rapidamente com casos de uso comerciais e técnicos.

Fraud Detection Using Machine Learning

Use esta orientação para automatizar a detecção de atividades potencialmente fraudulentas e a sinalização da atividade para análise. A orientação “Fraud Detection Using Machine Learning” é fácil de implantar e inclui um exemplo de conjunto de dados que pode ser modificado para funcionar com qualquer conjunto.

Guidance for Near Real-Time Fraud Detection with Graph Neural Network on AWS

Esta orientação demonstra um sistema antifraude completo e em tempo quase real baseado em redes neurais gráficas de aprendizado profundo. Essa arquitetura de esquema usa a Deep Graph Library (DGL) para construir um gráfico heterogêneo a partir de dados tabulares e treinar um modelo de Graph Neural Network (GNN – Rede Neural Gráfica) para detectar transações fraudulentas.

Histórias de clientes

Omnyex

SLA Digital

A SLA Digital cria novos fluxos de receita para operadoras de telefonia móvel e comerciantes online em todo o mundo por meio de soluções de faturamento seguras e perfeitas para operadoras. A SLA Digital fornece uma plataforma de faturamento da operadora que permite que os comerciantes se conectem facilmente com as operadoras móveis; reduzindo custos, riscos operacionais e tempo de comercialização para ambas as partes. Por ser um agregador de pagamento, identificar e prevenir transações fraudulentas é crucial para os negócios da SLA Digital.

"Doze meses atrás, estávamos procurando uma solução de detecção de fraude que não exigisse um grande investimento em nossa própria experiência em machine learning. Com preços de pagamento transparentes conforme o uso, o Amazon Fraud Detector nos ajudou a criar e incorporar facilmente um novo modelo de machine learning eficaz e acessível em nossa configuração existente."

Richard Fisher, Gerente de tecnologia na SLA Digital

Untitled-1

FlightHub Group

O FlightHub Group torna as viagens acessíveis, permitindo que mais pessoas visitem novos lugares e explorem novas culturas. Com mais de 5 milhões de clientes atendidos por ano, sua meta é fornecer aos viajantes os voos mais baratos disponíveis, juntamente com itinerários ideais e atendimento ao cliente excepcional. Uma das maiores prioridades da equipe de Prevenção de fraudes da FlightHub é discernir um viajante que se preocupa com o valor e que busca uma passagem aérea acessível de fraudadores que buscam comprar passagens com cartões de crédito roubados.

"Desde a introdução do Amazon Fraud Detector, nossa taxa de cancelamento caiu para menos de 2% (anteriormente, era 5%). Além disso, nossa taxa de estorno é a mais baixa desde o início da empresa. A empresa agora pode aceitar mais check-outs, ao contrário de nossos modelos anteriores, que teriam sinalizado como arriscados e rejeitados. Mas, talvez a melhor coisa é que estamos obtendo esses excelentes resultados com aproximadamente os mesmos custos operacionais de antes. Tudo isso resulta em um aumento no número de reservas e receitas, juntamente com uma redução nas perdas devido a estornos."

Drayton Williams, Gerente de investigações de fraude na FlightHub

Pulselive

Aella Credit

“A verificação e a validação de identidade são um grande desafio em mercados emergentes. A capacidade de identificar adequadamente os usuários é um obstáculo importante para a criação de crédito para bilhões de pessoas nesses mercados. Com o Amazon Rekognition para verificação de identidade, o nosso aplicativo móvel reduziu substancialmente os erros de verificação e nos permitiu escalar. Agora, podemos detectar e verificar a identidade de um indivíduo em tempo real, sem intervenção humana, agilizando assim o acesso aos nossos produtos. Experimentamos diversas soluções conhecidas, mas nenhuma das alternativas comuns conseguiu mapear precisamente os diversos tons de pele. O Amazon Rekognition nos ajudou a reconhecer de forma eficaz os perfis dos clientes em nossos mercados. Além disso, o serviço nos ajudou a descobrir perfis sobrepostos e conjuntos de dados duplicados nas atividades de conhecimento do cliente (KYC).”

Wale Akanbi, CTO e Cofundador, Aella Credit

Pulselive

ActiveCampaign

"No primeiro e no segundo trimestres de 2020, observamos um pico no uso de contas para ataques de phishing. Como resultado, precisamos complementar nossa própria solução, já em uso, com dados e sinais de transações mais fortes, a fim de identificar agentes mal-intencionados com maior antecedência. Uma solução escalonável, com base em machine learning preditiva, foi importante para nós, pois também somos uma empresa emergente. O Amazon Fraud Detector facilitou a construção de um modelo que utiliza nossos próprios dados e identifica com precisão os cadastros de contas que resultam em ataques de phishing. Mais importante ainda, conseguimos obter esses resultados com uma taxa de falsos positivos muito baixa, o que significa que não acarretou em trabalho adicional para nossa equipe de operações. O Amazon Fraud Detector traz um modelo de precificação competitivo e podemos integrá-lo facilmente no nosso fluxo de trabalho atual."

Alex Burch, Engenheiro de operações de e-mail sênior, ActiveCampaign

Lotte Mart

Qantas Loyalty

"O Amazon Fraud Detector foi uma ótima adição à nossa capacidade de detecção e mitigação de fraude. A capacidade de gravação de regras personalizadas a serem aplicadas para nossa situação única, treinar modelos de ML sob demanda e fazer uma integração direta com outros serviços da AWS nos permitiu tomar decisões de forma rápida e inteligente e manter controle total da plataforma. A AWS foi muito solícita durante a etapa de prova de conceito e vem adicionando novos recursos à plataforma, seguindo as tendências de fraude.”

Mary Criniti, CTO, Qantas Loyalty

Lotte Mart

CDKeys

“Com o Amazon Fraud Detector, reduzimos as transações fraudulentas em 6%. Ao mesmo tempo, conseguimos automatizar a realização do checkout da compra em mais de 90% das transações que teriam sido sinalizadas anteriormente para revisão manual. Agora, estamos revisando manualmente menos de 1% de nossas transações, antes eram 10%. Desde que implementamos esse serviço, vimos uma melhoria significativa em nossa pontuação do Trustpilot e sabemos que isso é o resultado dessa automação de detecção de checkout, bem como das melhorias adicionais que estamos fazendo no site de modo consistente. A confiança é uma grande parte do nosso valor para os clientes, portanto, essa é uma grande conquista para os nossos negócios.”

Kevin Cole, Diretor de operações, Omnyex

Lotte Mart

Truevo

“O Amazon Fraud Detector permitiu que aprimorássemos significativamente nossas operações, aumentássemos nossa flexibilidade ao lidar com atores ruins e mantivéssemos maior controle sobre os sistemas e processos. Inicialmente, exploramos uma solução nossa e uma terceirizada. Quando o Amazon Fraud Detector foi anunciado, mudamos o curso imediatamente. Somos clientes da AWS há muitos anos e temos grande confiança nos produtos da Amazon. Com o Amazon Fraud Detector, não estamos mais presos às limitações convencionais das ofertas on-premise ou de SaaS. Pelo contrário, temos flexibilidade para adaptar o serviço baseado em Machine Learning para atender às nossas necessidades e temos a capacidade de usar a opção de apenas regras da AWS enquanto evoluímos facilmente para as capacidades totais do Machine Learning quando precisamos. Isso economizou para a Truevo de três a seis meses de desenvolvimento! Na verdade, nós implantamos nosso primeiro protótipo de modelo em 30 minutos. Em resumo, estamos operando com mais confiança em nossa capacidade de detectar fraudes em tempo real. Estamos melhor equipados para implantar detecções de regras quando percebemos atividades incomuns que talvez não compreendamos muito bem, mas que ainda assim precisam ser interrompidas. Somos capazes de responder e de nos adaptar a requisitos de esquemas e regulamentos em constante mudança, permitindo que continuemos na nossa melhor forma.”

Charles Grech, COO, Truevo

Pronto para começar?

Entre em contato com a equipe de vendas
Entre em contato conosco

Entre em contato conosco para obter mais informações sobre soluções de machine learning para detecção de fraude

Entre em contato conosco 
Encontre um parceiro
Encontre um parceiro

Entre em contato com a rede de parceiros da AWS para trabalhar com nossos parceiros globais de tecnologia e de consultoria

Comece a usar 
Comece a usar iniciativas de execução
Faça você mesmo

Use o Amazon Fraud Detector para desenvolver sua própria solução de detecção de fraudes

Saiba mais 

Recursos

Detecção de fraudes mais rápida criando uma prova de conceito no Amazon Fraud Detector

Leia o blog »

Criar, treinar e implantar um modelo de detecção de fraude com o Amazon Fraud Detector

Iniciar o tutorial »

Traga o poder da machine learning para a sua luta contra as fraudes online

Assista ao vídeo »

Detecte usuários reais e ativos e impeça os malfeitores usando o Amazon Rekognition Face Liveness

Leia o blog »