【问题标题】:How to block fraud credit / debit cards?如何阻止欺诈信用卡/借记卡?
【发布时间】:2019-02-25 14:38:36
【问题描述】:

我不确定这是不是问这个问题的正确地方,请让我知道我可以在哪里尝试。

我非常担心阻止/禁止使用欺诈行为 我们平台上的交易。

一些客户使用一些欺诈或被盗的卡在我们的平台上进行支付,他们每天都在这样做。它不是一张或两张牌。它像很多(比如说每天超过 50 个)。

由于我们不是支付公司,所以我们没有将卡详细信息存储在数据库中的许可,如果再次出现同一张卡,我们将阻止该卡。

奇怪的是这些客户能够通过受银行网站保护的 3D 安全页面,该页面要求真实用户的 OTP 进行交易。

更新:虽然我阻止了客户的帐户,但如果发现可疑用户,我会阻止 android 设备 ID。

有什么办法可以减少或阻止这些欺诈行为?

【问题讨论】:

  • 是的,安全性这个话题太宽泛了,但请至少有人能给我指出正确的方向。
  • 您没有从您的支付网关返回任何 ID 以表明使用的是哪张卡吗?
  • 不,TreePay(支付网关)也不提供卡指纹。
  • 我知道这已经很晚了,但是像 MRC(商家风险委员会)这样的论坛可能会为您提供更好的答案

标签: security payment-gateway credit-card fraud-prevention omise


【解决方案1】:

对于您的问题,请尝试收集数据(务必询问客户的权限):

  • credit card BIN(你可以用它找出issuer bank和卡国)
  • IP subset 和 customer timezone(您可以使用它来了解客户是否使用代理、VPN、TOR 等匿名程序)
  • device fingerprint(手机或浏览器)
  • 所使用的3DS协议及银行操作结果码信息(部分银行有静态-非动态-3DS码,或者您可以错误处理操作结果码)。

收集这些数据后,您可以采用以下方法预防欺诈:

  1. 基于规则的反欺诈:
    • Black/white lists(国家、IP 地址、卡 BIN)
    • Statistics-based 方法(例如,如果超过 3 个帐户使用同一张信用卡,那么)
  2. 基于机器学习的反欺诈:
    • Fraud prediction 使用 Supervised Machine Learning 方法
    • Anomaly detection 使用 Unsupervised Machine Learning 方法。

当然,您可以使用反欺诈即服务(第三方服务)来解决您的问题。

【讨论】:

    猜你喜欢
    • 2019-10-24
    • 2020-10-11
    • 2010-12-01
    • 2014-01-22
    • 2014-03-07
    • 2012-07-22
    • 2011-02-04
    • 2011-12-02
    • 2016-10-16
    相关资源
    最近更新 更多