Como usar um motor de regras na estratégia antifraude

Usar um motor de regras antifraude dá mais controle às empresas. Você pode definir regras e condições personalizadas com base em dados de provedores de serviços terceirizados e nos dados da própria empresa. Isso ajuda a identificar e prevenir transações fraudulentas e a reduzir o risco operacional.

Vantagens da integração com provedores de serviços terceirizados

Uma das principais vantagens de usar um motor de regras antifraude é a possibilidade de integrar provedores de serviços terceirizados, como Maxmind e FraudLabs, para acessar uma ampla variedade de dados sobre possíveis fraudes. Esses provedores fornecem sinais e informações úteis, mas faz sentido tratá-los principalmente como fornecedores de dados e avaliar as informações no seu próprio motor de regras. Assim, sua estratégia antifraude fica alinhada às necessidades da empresa e ao perfil de risco.

Outra vantagem de usar um motor de regras antifraude é verificar endereços IP em listas de bloqueio, como AbuseIPDB e Project Honeypot. A consulta a essas listas ajuda as empresas a identificar e bloquear transações de agentes mal-intencionados conhecidos e a reduzir a exposição a fraudes.

Um motor de regras antifraude também permite calcular a velocidade das transações com base nos dados da própria empresa e usar esses cálculos para definir regras. Ao analisar tendências e padrões nos dados das transações, as empresas podem identificar comportamentos incomuns ou suspeitos e criar regras personalizadas para sinalizar e prevenir transações fraudulentas.

Como prevenir fraudes com regras personalizadas para endereços IP

Veja cinco exemplos de regras que podem ser implementadas com um motor de regras para prevenir fraudes no comércio eletrônico com base em endereços IP:

  1. Bloquear transações de endereços IP associados a altos índices de fraude no passado. A regra pode se basear em dados de provedores de serviços terceirizados, como Maxmind ou FraudLabs, ou na análise dos dados da própria empresa.
  2. Exigir autenticação adicional para transações de endereços IP que o cliente não costuma usar. A regra pode se basear no histórico de transações do cliente ou em dados de provedores de serviços terceirizados.
  3. Bloquear transações de endereços IP associados a agentes mal-intencionados conhecidos. A regra pode se basear em dados de listas de bloqueio, como AbuseIPDB ou Project Honeypot.
  4. Exigir autenticação adicional para transações de endereços IP que não estejam no mesmo país ou região do endereço de cobrança ou entrega do cliente. A regra pode se basear nas informações de endereço do cliente ou em dados de provedores de serviços terceirizados.
  5. Bloquear transações de endereços IP associados a altos níveis de velocidade ou a atividades incomuns. A regra pode se basear na análise dos dados da própria empresa, com cálculos de velocidade para identificar comportamentos suspeitos.

Como prevenir fraudes com regras personalizadas para endereços de e-mail

Veja cinco exemplos de regras que podem ser implementadas com um motor de regras para prevenir fraudes no comércio eletrônico com base em endereços de e-mail:

  1. Bloquear transações de clientes com endereços de e-mail descartáveis ou temporários. A regra pode se basear em dados de provedores de serviços terceirizados, como FraudLabs, ou na análise dos dados da própria empresa.
  2. Exigir autenticação adicional para transações de clientes com endereços de e-mail criados recentemente. A regra pode se basear no histórico de transações do cliente ou em dados de provedores de serviços terceirizados.
  3. Bloquear transações de clientes com endereços de e-mail associados a agentes mal-intencionados conhecidos. A regra pode se basear em listas de bloqueio ou em bancos de dados de endereços de e-mail associados a fraudes.
  4. Exigir autenticação adicional para transações de clientes com endereços de e-mail cujo domínio não corresponda ao endereço de cobrança ou entrega do cliente. A regra pode se basear nas informações de endereço do cliente ou em dados de provedores de serviços terceirizados.
  5. Bloquear transações de clientes com endereços de e-mail associados a altos níveis de velocidade ou a atividades incomuns. A regra pode se basear na análise dos dados da própria empresa, com cálculos de velocidade para identificar comportamentos suspeitos.

Leve essas verificações para um fluxo de decisão

Crie regras para crédito, fraude ou cobrança e aplique-as a decisões em produção.

Regras personalizadas de antifraude com informações do navegador

Veja cinco exemplos de regras que podem ser implementadas com um motor de regras para prevenir fraudes no comércio eletrônico com base nas informações do navegador:

  1. Bloquear transações de clientes que usam navegadores associados a altos índices de fraude. A regra pode se basear em dados de provedores de serviços terceirizados, como WhatIsMyBrowser ou FraudLabs, ou na análise dos dados da própria empresa.
  2. Exigir autenticação adicional para transações de clientes que usam navegadores que normalmente não utilizam. A regra pode se basear no histórico de transações do cliente ou em dados de provedores de serviços terceirizados.
  3. Bloquear transações de clientes que usam navegadores associados a agentes mal-intencionados conhecidos. A regra pode se basear em listas de bloqueio ou em bancos de dados com informações de navegadores associados a fraudes.
  4. Exigir autenticação adicional para transações de clientes que usam navegadores pouco comuns no país ou na região do cliente. A regra pode se basear em dados de provedores de serviços terceirizados, como WhatIsMyBrowser, ou na análise dos dados da própria empresa.
  5. Bloquear transações de clientes que usam navegadores associados a altos níveis de velocidade ou a atividades incomuns. A regra pode se basear na análise dos dados da própria empresa, com cálculos de velocidade para identificar comportamentos suspeitos.

Regras personalizadas de antifraude para endereços físicos

Veja cinco exemplos de regras que podem ser implementadas com um motor de regras para prevenir fraudes no comércio eletrônico com base em endereços físicos:

  1. Bloquear transações de clientes com endereços falsos ou inválidos. A regra pode se basear em dados de provedores de serviços terceirizados, como Ekata ou Google Places API, ou na análise dos dados da própria empresa.
  2. Exigir autenticação adicional para transações de clientes com endereços criados ou alterados recentemente. A regra pode se basear no histórico de transações do cliente ou em dados de provedores de serviços terceirizados.
  3. Bloquear transações de clientes com endereços associados a altos índices de fraude. A regra pode se basear em dados de provedores de serviços terceirizados ou na análise dos dados da própria empresa.
  4. Exigir autenticação adicional para transações de clientes cujos endereços não estejam no mesmo país ou região das informações de cobrança ou entrega. A regra pode se basear nas informações de endereço do cliente ou em dados de provedores de serviços terceirizados.
  5. Bloquear transações de clientes com endereços associados a altos níveis de velocidade ou a atividades incomuns. A regra pode se basear na análise dos dados da própria empresa, com cálculos de velocidade para identificar comportamentos suspeitos.

Conclusão

Usar um motor de regras antifraude dá às empresas controle prático. A integração com provedores de serviços terceirizados é rápida, e o motor permite consultar endereços IP e de e-mail em listas de bloqueio e calcular a velocidade das transações com os dados da própria empresa para criar regras personalizadas. Ao tratar os serviços terceirizados principalmente como fornecedores de dados e implementar as próprias regras no motor, as empresas podem identificar e prevenir transações fraudulentas com mais eficácia e reduzir o risco operacional.

Perguntas frequentes

Como combinar sinais de IP, e-mail, navegador e endereço antes de recusar um pedido?

Agrupe os sinais em algumas faixas de ação e recuse o pedido apenas quando indicadores independentes apontarem que a mesma transação é arriscada. Em geral, uma única divergência deve levar a uma autenticação adicional ou a uma análise, principalmente quando se trata de um cliente novo ou de uma rede compartilhada. Defina cada faixa com base em fraudes confirmadas e pedidos legítimos, considerando o mercado e o valor da transação, já que um único ponto de corte pode bloquear clientes de determinados grupos em excesso.

Como lidar com transações de endereços IP compartilhados?

Considere um IP compartilhado como um dado de contexto, não como prova de fraude. Escritórios, operadoras de celular, redes Wi-Fi públicas e residências podem fazer com que clientes legítimos usem o mesmo endereço. Antes de recusar um pedido, procure informações da conta, do dispositivo ou da transação que liguem o pedido a uma atividade suspeita. Se o sinal do IP preocupar, mas não for conclusivo, use autenticação adicional ou análise e acompanhe a taxa de falsos positivos.

O que uma regra antifraude deve fazer quando os dados de um provedor estão ausentes ou atrasados?

Defina a ação alternativa antes de colocar a regra em produção. Para um pedido de baixo valor, você pode prosseguir com os sinais disponíveis e acompanhar os resultados. Para uma transação de maior risco, encaminhe o caso para autenticação adicional ou análise. Não trate dados ausentes como um resultado sem risco e não recuse automaticamente todos os pedidos quando um provedor estiver indisponível, pois isso pode interromper as compras de muitos clientes legítimos.

O que fazer quando duas regras antifraude recomendam ações diferentes?

Defina uma prioridade explícita entre as ações, por exemplo, recusa antes de autenticação adicional, e exija evidências suficientes para justificar a ação mais rigorosa. Antes de colocar as regras em produção, verifique as condições que se sobrepõem usando transações reais, inclusive os casos em que uma regra sinaliza um pedido e outra o libera. Uma prioridade ambígua pode tornar as decisões inconsistentes e dificultar ajustes quando as fraudes ou os atritos para o cliente mudarem.

Leve essas verificações para um fluxo de decisão

Crie regras para crédito, fraude ou cobrança e aplique-as a decisões em produção.