Private State Tokens 在在线反欺诈中的作用及适用场景
Private State Tokens 是一种保护隐私的在线信任信号。它有助于区分真实用户和自动化滥用,也不依赖传统指纹识别。随着浏览器收紧隐私控制,指纹识别越来越难以使用。
Private State Tokens 是一种保护隐私的在线信任信号。它有助于区分真实用户和自动化滥用,也不依赖传统指纹识别。随着浏览器收紧隐私控制,指纹识别越来越难以使用。
为手续费预留少量金额偏差,可能让往来款匹配产生大量误报。在合成的中小企业银行流水中,允许 0.5% 偏差且可合并拆分付款时,申请人有 87 组误报,干净企业也有 84 组。
WebGL 指纹利用浏览器的 WebGL API 渲染图形,并暴露设备特有的渲染特征。本文介绍这项技术的工作原理,以及它在设备指纹识别中的作用,也会说明它的局限和常见伪装方法。
线上欺诈防范会用到支付网关检查、数据补充、机器学习模型、拒付防范、交易监控和案件管理,以减少电商欺诈。本文介绍这些方法,并说明如何将其转化为可重复使用的欺诈筛查决策逻辑,同时保留审计记录。
许多反欺诈项目把重点放在单笔可疑申请、身份盗用或异常交易上。这些问题确实需要处理,但还不是核心。真正棘手的,是把欺诈当成生意来做的团伙。他们会计算投入产出比,并优先盯上风控薄弱的放贷机构。
本文介绍如何用球面余弦定理,根据经纬度计算两点间的大圆距离,并将这套决策逻辑用于决策引擎,支持客户核验、地理围栏和电商欺诈检测。文中列出公式和实现方法,将其与 Haversine 公式进行比较,并说明不同距离范围下的精度差异。
介绍如何组合免费、低价和付费检查,应对垃圾注册、撞库和自动化登录。您可以了解各项服务返回什么信息、何时调用、如何安排检查顺序,以及优先测试哪些规则。
规则引擎让企业能够自行设定反欺诈规则。除了通用检查,还可以结合第三方数据、IP 封禁名单和自有交易信号,按自身风险状况制定规则。 本文介绍如何为电商业务制定反欺诈规则,包括 IP 地址检查、交易频次分析,以及用于识别可疑活动的自定义条件,帮助在损失发生前发现风险。
Evercookie 是一种 JavaScript 技术,会在浏览器的多个存储位置写入同一个标识符,防止标识符被删除。清除其中一个存储位置后,它会从其他位置恢复标识符,从而实现跨会话的持续跟踪。本文介绍其工作方式、技术和法律限制,以及用户可以采取哪些措施来减少暴露。
媒体设备指纹通过浏览器 API 收集用户音频和视频设备的信息,并将其转化为追踪信号。本文介绍其工作方式、在在线指纹识别中的作用、局限,以及降低其效果的方法。
欺诈预警分数低,关联申请中若已有欺诈确认记录,仍可能需要复核。把关联申请纳入案件,分析人员才能结合相关信息安排处理并记录决定。
浏览器变更、Cookie 被清除或换了新手机,都可能让指纹看起来像新的。本文说明,为什么标识符能否持续识别、服务端如何解析,以及能否关联申请中的其他信息,比浏览器哈希值是否唯一更重要。