Мошенничество с кредитными картами требует от потребителей около 4 долларов США. 8 миллиардов в год, а продавцы - 190 миллиардов долларов в год. Закон о справедливом выставлении счетов (FCBA) ограничивает ответственность потребителей за транзакции по неавторизованным картам до 50 долларов США. Компании кредитных карт должны покрывать остаток, поэтому эти агентства высоко инвестируют в отслеживание и ограничение мошенничества. С этой целью они ввели в действие очень схематичные и сложные процедуры для обнаружения и обработки мошенничества. Ниже перечислены три основных способа их выполнения.

Компании, отслеживающие ваши шаблоны

Компании с кредитными картами отслеживают ваши модели расходов через системы, которые определяют правильность ваших покупок. Каждый раз, когда ваш шаблон ломается с дорогостоящими или необычными приобретениями или с транзакциями, совершенными вне вашего дома, компания отмечает это и предупреждает вас. Компания также отмечает измененную частоту, например, если вы зарегистрировали больше транзакций, чем раньше, и если ваши транзакции электронной торговли использовали измененный IP-адрес. Воры склонны тестировать кредитные карты, делая небольшие транзакции, за которыми следуют все более крупные. Компании кредитных карт предупреждают вас, если они замечают такой шаблон.

Компании, использующие вашу помощь

Возможно, вы указали один или несколько случаев кражи кредитной карты. Компании кредитных карт следовали за тем, чтобы взимать аналогичные платежи с одной или нескольких ваших карточек и просить вас их проверить. Вор, возможно, участвовал в мошенничестве под разными именами, или другие хакеры могут совершать те же или подобные, мошенничества.

Компании применяют технические алгоритмы

Компании с кредитными картами используют сложную систему технических алгоритмов для ловушки мошенничества. К ним относятся кластеризация, когда банки связывают общие покупки вместе и улавливают внешние приобретения; усреднение, когда банки рассчитывают средства ваших покупок для определения вашего типичного поведения покупок; и классификации, где банки заключают сделки в соответствии с категориями, которые включают географию, время, вероятность мошенничества и т. д.

Стандартный анализ данных вырос в аналитику больших данных, где инженеры используют технологии, такие как облачные вычисления и машинное обучение, для обнаружения аномалий. Компании кредитных карт проходят через кучи данных, чтобы отсеять ложные срабатывания и обнаруживать шаблоны. Компьютерная система использует петабайты для обработки всех этих данных. В любой момент времени PayPal обрабатывает 1. 1 петабайт данных для каждых 169 миллионов учетных записей клиентов. Этот объем обработки может повредить вычислительную структуру компании, поэтому компьютер обращается к облачным вычислениям для помощи. Облачные вычисления растягиваются, чтобы получить бесконечность данных. Таким образом, компаниям кредитных карт удается обнаружить более подозрительные сигналы.

Компании кредитных карт также используют машинное обучение, которое включает в себя компьютерные модели, обученные путем подачи типичных транзакций, чтобы выплевывать прогнозы.Машиноведение анализирует транзакцию и генерирует цифру вероятности для оценки ее достоверности. Этот процесс помогает торговцам обнаруживать мошенничество с тобой вовремя, поэтому, если ваша кредитная карта была отклонена кассиром, вероятно, модель получила высокую оценку вероятности мошенничества, которая предупреждала торговую систему о том, чтобы отклонить транзакцию.

Key Takeaways

Совет по стандартам безопасности PCI посвящает себя совершенствованию стандартов безопасности для защиты ваших учетных данных. Продавцы, которые обрабатывают кредитные карты, обязаны проводить свои проверки безопасности один раз в год, а технологии «чип-и-штырь» - это лишь одна из многих новых ИТ-систем, которые выявили мошенничество. Тем не менее, мошенничество с кредитными картами продолжает расти, и в 2014 году по всему миру было зарегистрировано 1 540 нарушений, согласно индексу уровня ошибок Gemalto за 2014 год.

Компании кредитных карт пытаются использовать различные уловки для ловушки мошенничества. К ним относятся традиционные и новые анализы больших данных для выявления аномальных моделей. Данные показывают, что их усилия приводят к снижению среднегодовых ставок мошенничества, по крайней мере, в Америке. Например, мошенники, использующие кредитные карты, украли 18 млрд. Долл. США с 13,1 млн. Потребителей США в 2013 году. Это число уменьшилось в 2014 году до 16 млрд. Долл. США с 12,7 млн. Человек в США.