網(wǎng)上有很多關(guān)于pos機刷卡如何防范偽卡交易,坑用戶害商家 如何幫助銀行構(gòu)建反欺詐模型的知識，也有很多人為大家解答關(guān)于pos機刷卡如何防范偽卡交易的問題，今天pos機之家(www.afbey.com)為大家整理了關(guān)于這方面的知識，讓我們一起來看下吧!
本文目錄一覽：
pos機刷卡如何防范偽卡交易
如今，信用卡盜刷、電信詐騙等交易欺詐事件總能挑起公眾敏感的神經(jīng)，帶來對“錢包”安全的持續(xù)憂慮。
中國法院網(wǎng)報道：某不法分子通過偽造的信用卡，在一家珠寶店盜刷消費者9.28萬元。法院審理后判決發(fā)卡行、收單機構(gòu)、商戶應(yīng)該共同承擔這筆損失，其中，被告銀行賠償3.712萬元，商戶自行承擔2.784萬元。
交易欺詐已成黑色產(chǎn)業(yè)鏈
這類的事件已經(jīng)屢見不鮮，信用卡盜刷是怎么發(fā)生的？有沒有方式可以封堵這種行為呢？要解釋這個問題，讓我們首先看一下銀行卡的交易流程。
在線下交易中，持卡人在商戶消費刷卡之后，收單行會先判斷這張卡是否可用；確認無誤后，會把請求通過中國銀聯(lián)等銀行卡組織，間接地向發(fā)卡行請求交易授權(quán)；發(fā)卡行同意授權(quán)，就把授權(quán)應(yīng)答通過銀行卡組織回傳，這時候持卡和商戶就可以進行交易了。
在整個銀行卡的交易流程中，發(fā)卡行負有保障持卡人用卡安全的義務(wù)；收單機構(gòu)負有特約商戶收單業(yè)務(wù)管理責任及保障交易和信息安全的義務(wù)；持卡人負有妥善保管銀行卡及密碼的義務(wù)；特約商戶負有審核持卡人真實身份和銀行卡真?zhèn)蔚牧x務(wù)；這其中任何一個環(huán)節(jié)出現(xiàn)問題，都會給不法分子帶來通過欺詐獲利的空間。
分析顯示，目前常見的欺詐模式有申請欺詐、交易欺詐等，文章開頭提到的案例屬于偽卡欺詐，是交易欺詐中最常見的一種欺詐手段。
分析顯示，不法分子往往通過以下幾種方式來偽造銀行卡：
1、通過賬號生成軟件模擬卡號。
2、使用帶有記憶儲存設(shè)備的讀卡機（側(cè)錄器）記錄真實的銀行卡信息，并在空白卡片上貼上磁條，輸入側(cè)錄的代碼，偽造卡片。
3、對丟失卡、被盜卡、未達卡（沒有寄達或是啟用的銀行卡）、過期卡等銀行卡進行改造，重新制卡或?qū)懘拧?/p>
4、冒充真實持卡人身份進行掛失后獲取新卡片。
信用卡欺詐風險日趨增多
據(jù)中國銀聯(lián)發(fā)布的《中國銀行卡產(chǎn)業(yè)發(fā)展報告（2017）》顯示，2016年-2017年借記卡的主要欺詐手段主要是電信詐騙、互聯(lián)網(wǎng)詐騙、偽卡欺詐。在信用卡欺詐中，偽卡欺詐手段占比降低，但偽卡欺詐損失仍排名第一。
除了交易欺詐之外，申請欺詐與商戶欺詐的風險也不可忽視。前者是不法分子通過虛假的身份或者資料違規(guī)申請銀行卡；而在商戶欺詐中，通過信用卡在POS機上的交易進行違規(guī)套現(xiàn)、利用刷卡洗單、合謀受理偽假卡等行為也屢見不鮮，其往往利用的是信用卡交易的漏洞，并通過收取一定份額的傭金等方式謀利。
以上這些行為不僅會直接帶來經(jīng)濟損失，更給銀行的正常業(yè)務(wù)運營帶來了極大的風險。
頂象幫助銀行構(gòu)建信用反欺詐模型
某銀行在以信用卡收款為支付方式的跨境電商支付交易中，欺詐交易風險突出。此外，偽卡欺詐、虛假申請、互聯(lián)網(wǎng)欺詐等行為也是該銀行面臨的重要欺詐風險。
該銀行利用頂象智能分析平臺構(gòu)建了基于業(yè)務(wù)需求的風控模型，有效提升交易反欺詐能力。
首先，利用智能分析平臺對銀行百萬量級的數(shù)據(jù)進行清洗，通過刪除無意義字段，清洗缺失率高、單一取值、或者分布完全相同的數(shù)據(jù)，降低了數(shù)據(jù)的規(guī)模，為數(shù)據(jù)的快速分析與建模奠定了基礎(chǔ)。
隨后，對這些數(shù)據(jù)進行預(yù)處理，從海量數(shù)據(jù)中提取可用特征，建立大寬表。在寬表搭建中以商戶、個人、商戶與個人三方面作為匯總對象，將交易次數(shù)、交易金額、交易幣種、交易時間間隔、不同商戶數(shù)、總交易次數(shù)等作為字段，并分別選擇不同的時間區(qū)段作為時間窗口，實現(xiàn)對于各種統(tǒng)計值數(shù)據(jù)的匯總。
通過數(shù)據(jù)預(yù)處理，整理出以下幾個顯著特征：
1、交易中整體的欺詐比例為2%-3%。
2、大部分交易欺詐均為由非持卡人本人發(fā)起的交易，而且在較短時間內(nèi)大量用卡，所涉及金額較大。
3、交易筆數(shù)在120-150筆的商戶交易欺詐率達到50%。隨著交易筆數(shù)的增加，尤其是交易筆數(shù)達到2000筆及以上的商戶，出現(xiàn)商戶欺詐的可能降低，交易量150筆以下的商戶應(yīng)重點監(jiān)測。
4、給定數(shù)據(jù)中仍有極個別交易筆數(shù)達到數(shù)千筆的同時，欺詐交易筆數(shù)達到1000+的商戶，這說明目前的欺詐偵測手段尚不成熟，未能及時發(fā)現(xiàn)可疑商戶。
5、從欺詐率來看，交易筆數(shù)較少的商戶的欺詐率更高，更容易產(chǎn)生欺詐行為。
基于以上數(shù)據(jù)，頂象智能分析平臺衍生了幾千維度的重要特征，按照一定的比例劃分訓(xùn)練、驗證數(shù)據(jù)集，使用合適的機器學(xué)習(xí)模型，使模型AUC（Area Under The Curve）達到 0.75以上。隨后對于模型訓(xùn)練的數(shù)據(jù)進行調(diào)整，對樣本進行采樣調(diào)整后進入模型訓(xùn)練，實現(xiàn)了當準確率達到90%以上，可以覆蓋70%的欺詐交易。
在模型訓(xùn)練之后，最終選取預(yù)測排名前列的數(shù)據(jù)作為最終的預(yù)測名單，達到了極高的命中率。
頂象智能分析平臺涵蓋數(shù)據(jù)傳輸、數(shù)據(jù)存儲、數(shù)據(jù)管理、數(shù)據(jù)ETL、AI建模等功能，可以極大地降低企業(yè)使用人工智能技術(shù)的門檻，企業(yè)只需要提供相關(guān)數(shù)據(jù)即可實現(xiàn)數(shù)據(jù)ETL，建模等全部操作，通過離線調(diào)度、實時分析決策等加快數(shù)據(jù)的分析和應(yīng)用，加速企業(yè)應(yīng)用最新的AI技術(shù)。
以上就是關(guān)于pos機刷卡如何防范偽卡交易,坑用戶害商家 如何幫助銀行構(gòu)建反欺詐模型的知識，后面我們會繼續(xù)為大家整理關(guān)于pos機刷卡如何防范偽卡交易的知識，希望能夠幫助到大家！
