Pular para o conteúdo principal
Todos os sistemas operacionaisNovidadesv1
Entrar

Detecção e Prevenção de Fraude

Compreenda o contexto de negócios e os limites de ativação para os casos de uso de fraude da Athia, sem expor um contrato de campo.

Nesta página

A Detecção e Prevenção de Fraude ajudam as equipes a identificar transações, contas, dispositivos e comportamentos suspeitos, bem como padrões de ataque, preservando a propriedade de risco e os limites de minimização de dados. Esta página descreve os domínios de negócios envolvidos; não é um esquema público de recursos de risco.

O que este caso de uso cobre#

Risco da transaçãoAvalie o contexto de comércio, pagamento, autenticação, cliente, dispositivo e comportamental, dentro da política configurada.Investigação de padrõesConecte observações relacionadas para identificar o abuso de contas, ataques coordenados, velocidade incomum e táticas em mudança.Revisão e resultadosRelacione as decisões do modelo ou do provedor com a revisão manual, confirmação posterior de fraude, disputas e resultados de representação.Avaliação contínuaMeça a detecção, falsos positivos, impacto no cliente, perda, carga de revisão e latência de resultados, em conjunto.

Domínios de informação de negócios#

A funcionalidade pode usar o contexto de transação e pedido aprovado, histórico do cliente ou conta, observações de dispositivo e sessão, resultados de autenticação, decisões de risco do provedor, ações de revisão e resultados confirmados posteriormente. Os conceitos disponíveis dependem dos provedores selecionados, sistemas do comerciante, permissões e mercado.

A configuração de mapeamento é intencionalmente privada e específica para cada fonte. Define os dados permitidos, sua autoridade e período de retenção, e o comportamento quando um sinal está ausente. Nenhum nome de campo, vetor de características, limiar ou entrada de modelo deve ser inferido desta visão geral.

Preparação e controle#

  • Colete apenas o contexto necessário para o objetivo de risco aprovado e o período de retenção.
  • Mantenha credenciais, segredos brutos e dados pessoais desnecessários fora da análise, prompts, metadados e texto livre.
  • Diferencie as observações do provedor, os fatos do comerciante, as decisões dos analistas e as classificações derivadas do modelo.
  • Defina explicitamente revisão, aprovação, bloqueio, aumento, timeout e propriedade de fallback.
  • Considere rótulos atrasados ao avaliar a qualidade e a perda de detecção.
  • Monitore continuamente falsos positivos, atrito do cliente, viés, deriva e adaptação de ataque.

Continuar com Mecanismos antifraude, Revisão manual, Governança de dadose Orientação de Mapeamento de Fonte.