識別詐騙性線上活動

預防線上詐騙,同時確保無障礙客戶體驗

在全球範圍內,線上詐騙每年造成數百億美元的損失。傳統上,公司使用以規則為基礎的詐騙偵應用程式測不夠準確,無法跟上詐騙者不斷變化的行為。藉助 AWS 詐騙偵測機器學習解決方案,公司可以主動且更準確地偵測和預防線上詐騙。這些解決方案將有助於減少營收損失,避免品牌損害,並在適應不斷變化的威脅模式的同時,提供無障礙客戶線上體驗。

使用機器學習識別詐騙性線上活動 | Amazon Web Services (2:05)

優勢

1282804749

根據您自己的條件偵測詐騙

沒有機器學習專家的公司可以使用 Amazon Fraud Detector 在幾分鐘內增加以 ML 為基礎的詐騙偵測能力到他們的企業應用程式,而擁有專門數據科學家團隊的公司可以使用 Amazon SageMaker 在幾天內開發出高度專業化的詐騙偵測解決方案。

588359470

在 Amazon 的詐騙偵測專業知識基礎上建置

Amazon 的詐騙偵測 ML 解決方案充分利用 Amazon 20 年間在 AWS、Amazon.com 和子公司預防詐騙和濫用方面的經驗,運用詐騙模式知識豐富其產生的模型。

534424521

即時預防和偵測線上詐騙

Amazon 的詐騙偵測 ML 解決方案即時對事件的風險進行評分,使客戶能夠立即應用旨在阻止或拒絕詐騙者的遏制或補救措施,並快速追蹤低風險活動,從而為合法客戶提供更好的客戶體驗。

1227094223

賦予防詐騙團隊更多的控制權

透過自動處理訓練、調整和部署詐騙偵測模型所需的複雜任務,Amazon 的詐騙偵測 ML 解決方案讓不是機器學習專家但熟悉詐騙問題的使用者能夠參與開發和更新高度準確的模型。

使用案例

付款或交易詐騙偵測

關注事件是嘗試完成線上購買或在線進行或處理付款。在電子商務領域的一個常見例子與「來賓結帳」有關。該交易涉及沒有帳戶歷史記錄或選擇「來賓」結帳選項以獲得更匿名體驗的用戶。

新帳戶詐騙

關注事件是登記或註冊新帳戶的行為。詐騙始於惡意人士通常透過機器人建立虛假、被盜或合成身分,或產生多個帳戶。一旦在數位平台上建立了身分,執行攻擊就更容易了。

帳戶接管

關注事件是對合法用戶帳戶的登錄嘗試。帳戶接管是指合法用戶的登錄被盜用的情況,不是因為惡意人士竊取了他們的用戶 ID 和密碼、在黑暗網站上購買了登入資訊,就是設法猜到它。

濫用促銷

關注事件通常是用戶兌換透過需求生成或市場促銷所獲取利益的行為。惡意人士會訪問合法用戶的帳戶並透過轉移或購買耗盡忠誠積分或點數。他們還會建立多個虛假帳戶,以利用新帳戶附帶的免費試用或免費積分等促銷活動,或進行自我推薦以獲得推薦獎金。

虛假或辱罵評論

關注事件是發布可能包含誤導或辱罵內容的產品評論。自動化篩選對於提升發現虛假和辱罵評論的能力至關重要,這樣客戶服務團隊就不必費力地處理大量警報,其中許多警報可能是誤報。

身分驗證

在線上帳戶註冊過程中,機器學習驅動的臉部生物識別技術可以在任何情況下啟用身分驗證。藉助預先訓練的臉部識別和內嵌式分析功能,您可以新增此功能以增強您的使用者布設和身分驗證工作流程,而無需機器學習專業知識。

客戶案例

Omnyex

SLA Digital

SLA Digital 透過無縫且安全的運營商計費解決方案為全球行動運營商和線上商家創造新的收入來源。SLA Digital 提供運營商計費平台,使商家能夠輕鬆與行動運營商建立聯繫;降低雙方的成本、運營風險和上市時間。作為支付匯集商,識別和防止詐騙交易對 SLA Digital 的企業至關重要。

「十二個月前,我們一直在尋找不需要我們大量投資於我們自己的機器學習專業知識的詐騙偵測解決方案。憑藉透明的即用即付定價,Amazon Fraud Detector 幫助我們輕鬆建立有效且負擔得起的新機器學習模型並將其整合到我們現有的設置中。」

SLA Digital 技術長 Richard Fisher

Untitled-1

FlightHub Group

FlightHub Group 使旅行變得觸手可及,讓更多人可以拜訪新地方和探索新文化。每年為超過 500 萬客戶提供服務,他們的目標是為旅客提供最便宜的航班、最佳行程和卓越的客戶服務。FlightHub 詐騙預防團隊的首要任務之一,是從試圖使用被盜信用卡購買機票的詐騙者中辨別出尋找經濟實惠機票且對價格敏感的旅客。

「自從採用 Amazon Fraud Detector 以來,我們的中止率已降至低於 2%(相較於之前的 5%)。此外,我們的退款率是公司成立以來最低的。企業現在可以接受更多我們過去的模型會標記為有風險並拒絕的結帳。但也許最棒的事情是,我們以幾乎與以前相同的運營成本獲得了這些出色的結果。所有這一切使得預訂數量和收入增加,同時減少因退款造成的損失。」

FlightHub 詐騙調查經理 Drayton Williams

Pulselive

Aella Credit

「身分驗證和確認一直是新興市場的主要挑戰。正確識別用戶的能力是新興市場數十億人建立信用的主要障礙。在我們的行動應用程式上使用 Amazon Rekognition 進行身分驗證顯著減少了驗證錯誤,並使我們能夠擴展。我們現在可以在沒有任何人為干預的情況下即時偵測和驗證個人身分,從而可以更快地訪問我們的產品。我們嘗試了各種廣為宣傳的解決方案,但沒有任何一個受歡迎的替代方案能夠準確地識別出各種膚色。Amazon Rekognition 協助我們有效地識別市場中的客戶臉孔。同時還協助我們使用 KYC 來探索重疊的輪廓和重複的資料集。」

Aella Credit 技術長兼共同創辦人 Wale Akanbi

Pulselive

ActiveCampaign

「在 2020 年第一季度/第二季度,我們發現用於網路釣魚攻擊的帳戶激增。因此,我們需要使用更強大的交易資料和跡象,來補充我們現有的本地解決方案,以便更快地識別惡意人士。作為不斷發展的企業,基於預測機器學習的可擴展解決方案對我們來說非常重要。Amazon Fraud Detector 使用我們自己的數據輕鬆建置模型,以準確識別導致網絡釣魚攻擊的帳戶註冊。更重要的是,我們能夠以非常低的誤報率獲得這些結果,這意味著我們的營運人員無需進行額外工作。憑藉 Amazon Fraud Detector 極具競爭力的定價模型,我們可以輕鬆地將該模型整合至我們現有的工作流程中。」

ActiveCampaign 資深電子郵件營運工程師 Alex Burch

Lotte Mart

Qantas Loyalty

「Amazon Fraud Detector 是我們詐騙偵測和遷移功能的重要補充。撰寫適用於我們獨特情況的自訂規則、隨需訓練 ML 模型以及與其他 AWS 服務無縫整合的能力使我們能夠快速且智慧地做出決策,同時保持對平台的全面控制。AWS 在概念驗證階段非常實用,並且一直會向內嵌詐騙趨勢的平台新增全新功能。」

Qantas Loyalty 技術長 Mary Criniti

Lotte Mart

CDKeys

「使用 Amazon Fraud Detector,我們减少了 6% 的詐騙交易。同時,我們已經能夠對 90% 以上之前會被標記為需要人工審核的交易自動執行結帳。現在人工審核交易的比例從 10% 降低至僅佔交易的 1%。自從我們實作此服務以來,我們已看到 Trustpilot 分數有了顯著的提高,我們知道這歸功於此結帳偵測自動化,以及我們一直在網站上使用的其他增強功能。信任是我們對客戶價值的重要組成部分,因此這是我們業務的巨大勝利。」

Omnyex 營運總監 Kevin Cole

Lotte Mart

Truevo

「Amazon Fraud Detector 讓我們能夠顯著改善營運,提高我們應對惡意人士的靈活性,並更進一步控制系統和程序。最初,我們不斷探索內部和第三方解決方案。當 Amazon Fraud Detector 發佈時,我們立即改變了方向。多年來我們一直是 AWS 的客戶,對 Amazon 的產品非常信任。有了 Amazon Fraud Detector,我們不再受限於本地或 SaaS 產品的傳統限制。相反地,我們可以靈活地調整由機器學習提供的服務來滿足我們的需求,並且能夠使用 AWS 的純規則選項,同時在需要時輕鬆擴展到完整的機器學習功能。這為 Truevo 節省了 3-6 個月的開發時間! 事實上,我們在 30 分鐘內部署了我們第一個原型模型。總體而言,我們對即時偵測詐騙的能力充滿信心。當我們注意到我們可能不完全了解但需要停止的奇怪活動時,我們更有能力部署規則偵測。我們可回應並適應不斷變化的法規和方案要求,從而讓我們能夠始終居於領先地位。」

Truevo 營運長 Charles Grech

準備好開始使用了嗎?

영업 팀에 문의
聯絡我們

請與我們聯絡,獲取有關詐騙偵測機器學習解決方案的詳細資訊。

聯絡我們 
尋找合作夥伴
파트너 찾기

글로벌 기술 및 컨설팅 파트너와 협력하려면 AWS 파트너 네트워크에 문의하세요.

開始使用 
開始執行計劃
自行完成

使用 Amazon Fraud Detector 或利用 詐騙偵測 指引開發您自己的詐騙偵測解決方案

進一步了解 

資源

透過在 Amazon Fraud Detector 中建置概念驗證來加速發現詐騙

閱讀部落格 »

使用 Amazon Fraud Detector 建置、訓練和部署詐騙偵測模型

到開始教學 »

Bring the Power of Machine Learning to Your Fight Against Online Fraud

觀賞影片 »