Digital betalningsadoption ökar bedrägeriskerna

Covid-19-pandemin har påskyndat övergången till elektroniska betalningar, som sannolikt inte kommer att vända snart, om någonsin. Kreditkort var den mest sårbara betalningsmetoden för bedrägerier online 2022, med uppskattningsvis 1,034 XNUMX miljarder dollar i e-handelsförsäljning.

Men bedrägeri har blivit vanligare än någonsin, med 127 miljoner amerikaner som blev offer för kreditkortsbedrägerier 2021.

Metoder för att upptäcka och förebygga bedrägerier

Banker, neobanker och andra finansinstitutioner kan utnyttja framväxande teknologier som maskininlärning och artificiell intelligens för att upptäcka och förhindra bedrägerier.

Med dessa tekniker har det blivit möjligt att varna kortinnehavare att agera innan bedragare tar bort en betydande summa pengar från sina kredit- eller betalkort.

Metoder för att upptäcka och förebygga bedrägerier

Kreditkortsbedrägeri är brottslig användning av en annan persons referenser eller kreditvärdighet, och det delas in i två kategorier: kort-present och card-not-present bedrägeri.

Brottslingar använder fysiska kort eller kortuppgifter för att göra bedrägliga köp. I vissa fall åtföljs brott som inte finns med kort av kontoövertagandetekniker, där bedragare kontaktar en kreditkortsutgivare och utger sig för att vara en legitim kortinnehavare för att ändra information som är kopplad till kontot.

Hur finansiella institutioner upptäcker bedrägeri

Banker, kortutgivare och andra finansiella institutioner använder olika policyer, verktyg, metoder och praxis för att bekämpa identitetsbedrägerier och stoppa bedrägliga transaktioner.

Dessa institutioner använder en mängd olika tekniker, inklusive artificiell intelligens och maskininlärning, som använder stora mängder data för att lära sig användarmönster, flagga problematiska transaktioner och reagera i tid.

Hur finansiella institutioner förhindrar bedrägerier

Att förhindra kreditkortsbedrägerier är ett viktigt mål för finansiella institutioner.

tokenization är en process för att ersätta kreditkortsnummer med slumpmässigt genererade nummer som är omöjliga att spåra tillbaka. Denna metod säkerställer att betalningstransaktioner inte innehåller någon originalinformation, vilket minskar risken för bedrägerier. Dessutom använder finansinstitut regler för att hjälpa till att hitta mönster i bedräglig aktivitet och varna kortinnehavaren.

Att bekräfta banktransaktioner är ett annat sätt att förhindra bedrägerier. Bankerna skickar en bekräftelseförfrågan till en kortinnehavares telefon, som måste verifieras innan transaktionen godkänns. Detta säkerställer att kortinnehavaren godkände transaktionen, vilket förhindrar bedräglig aktivitet.

Finansiella institutioner och nätverk har kategoriserat bedrägligt beteende i fyra typer: 

1. E-handel och fjärrbetalningsbedrägerier 
2. Förfalskade bedrägerier 
3. Förlorade och stulna kort
4. Kontoövertaganden och andra typer av bedrägerier

Verktyg för att förebygga och upptäcka bedrägerier 

Teknik och strategier för att bekämpa bedrägerier är utformade för att bekämpa alla fyra nämnda typer av bedrägerier. Alla större banker och kreditkortsföretag arbetar med att höja säkerhetsåtgärderna och förbättra sina interna processer för att upptäcka bedrägerier. 

Eftersom banker och kreditkortsföretag måste absorbera mycket av det ekonomiska ansvaret för kreditkortsbedrägerier, investeras de hårt i att förhindra bedrägerier med alla medel. Här är några av de vanligaste metoderna för att bekämpa kreditkortsbedrägerier. 

Varningar om konsumenttransaktioner

Varningar om konsumenttransaktioner är ett kraftfullt sätt att stoppa alla bedrägliga åtgärder innan de skadar kortinnehavarens konto. Aviseringar och varningar skickas vanligtvis till kortinnehavarens mobiltelefon, e-post eller bankapplikation. Varje varning är en indikation på att en transaktion har initierats.

SMS-varningar

SMS Text Alerts hjälper inte bara att identifiera bedrägeriförsök när de inträffar utan ger också detaljhandelskunder en större känsla av kontroll och självförtroende. 

Callcenter-baserad multifaktorautentisering

Förutom att erbjuda tvåfaktorsautentisering på webben finns det nu multifaktorautentiseringsteknik för callcenter, inklusive både fullservice- och fjärrfaciliteter.

Agenter utfärdar en token till den mobila enheten som är registrerad för ett konto och ber den som ringer att autentisera transaktionen i realtid. Autentisering åberopas för närvarande för vissa bedrägerikänsliga transaktioner och händelser och kan utökas vid behov i framtiden.

Dynamiska lösenord

En dynamisk kod är en unik engångskod som krävs för att verifiera transaktionen som skickas till kortinnehavaren via bankappen, mejl eller som SMS. Detta säkerställer en hög säkerhetsnivå eftersom det autentiserar en kortinnehavare i enlighet med regulatoriska krav i PSD2-direktivet.

Verktyg för databerikning i realtid

Realtidsdata är användbar för att förbättra KYC-data med aggregerad extra data som erhålls från en mängd olika källor som databaser med öppen källkod, digitala tjänster och sociala nätverk. Det här verktyget är användbart för att upptäcka bedrägerier eftersom det ger ytterligare information om varje kortinnehavare.

Maskininlärning (ML)

Maskininlärning har blivit en av hörnstenarna för upptäckt av bedrägerier. Det är ett system som hjälper till att samla in och tolka så mycket information som möjligt om kortinnehavare och använda den för att etablera köpmönster.

När bedragare använder kortinformation på en ny plats, varningar, skrivhastighetsinformation och ny telefonigenkänning. Dessutom, om transaktionen gjordes under en konstig tid, kan systemet flagga dessa transaktioner och se till att kortinnehavaren vet vad som händer.

Black box-bedrägeriförebyggande systemet är en maskininlärningsmodell som hjälper till att förhindra kortbedrägeri. Dessa system blir mer och mer populära eftersom de är snabba att ge ett kreditkortsriskpoäng som pekar ut vilka faktorer som sannolikt leder till riskfyllda transaktioner.

Det finns två typer av maskininlärning, svart låda och vit låda. Efter 2021 är de flesta system som används black box, eftersom denna typ av ML använder ny teknik som big data, stränglikheter, djupinlärning och neurala nätverk.

Känn din kund (KYC)

KYC är ett viktigt sätt att bekämpa ekonomiskt bedrägeri. Den är utformad för att utföra identitetsverifiering på en mängd olika nivåer (som ID-verifiering), vilket gör det möjligt för finansinstitut att uppfylla efterlevnadskrav och förhindra bedrägerier för sina kunder. 

KYC-processen inkluderar ID, ansikte, dokument och biometrisk verifiering. Till exempel, i Indien, kan banker använda e-KYC som gör att de kan verifiera människors identiteter genom en separat, statligt verifierad applikation. 

Röstbiometri

Röstbiometri är en ny teknik som används av finansinstitut och banker för att passivt autentisera uppringare baserat på deras röstavtryck. Genom att jämföra en uppringares röstegenskaper med ett verifierat, tidigare inskrivet röstexempel, kan denna teknik hjälpa till att identifiera bedragare och flagga samtal som gjorts under tvång. Det automatiserar också autentiseringsprocessen för aktieägare, vilket gör att de kan komma åt sina konton snabbare.

Förbättrad kunskapsbaserad autentisering (KBA)

Förbättrad kunskapsbaserad autentisering
(KBA) är en annan teknik som används för att förhindra kreditkortsbedrägerier. KBA validerar kortinnehavarens identiteter mot externa källor, såsom en persons personnummer, födelsedatum, telefonnummer och adress. Genom att kontrollera om personlig information från en uppringare förekommer tillsammans med samma person i andra register, kan KBA skapa extremt svåra att gissa utmaningsfrågor.

Adaptiv autentisering

Adaptiv autentisering är en förmåga att poängsätta AI-bedrägerierisker som samlar analyser från flera kanaler för att ge tydlig vägledning till agenter under ett samtal. Genom att kombinera avvikelser som ovanliga enhetsattribut, alltför många transaktioner eller misslyckade röstavtryck till en enda riskpoäng kan agenter vidta lämpliga åtgärder för att förhindra bedrägeri innan det inträffar.

Adressverifieringstjänst eller AVS

Adressverifieringstjänsten (AVS) är ett av de mest använda verktygen för att förebygga bedrägerier vid transaktioner som inte är närvarande (CNP). AVS jämför den faktureringsadress som används i transaktionen med den utfärdande bankens adressinformation för kortinnehavaren för att säkerställa att köpet går till kundens adress.

Geolocation

Geolokalisering matchar en kortinnehavares mobiltelefonposition med platsen för en transaktion, och erbjuder ytterligare en datapunkt när man accepterar eller avvisar en transaktion. Det kan fungera i kombination med andra verktyg, som att skicka konsumenten ett unikt lösenord på sin mobil för att bekräfta att de initierar transaktionen.

Verktyg för kontoövertagande

Verktyg för kontoövertagande upptäcker kontoövertagandeförsök genom biometrisk autentisering, aktivitetsanalys som jämför nuvarande onlinebeteende med tidigare etablerade mönster och allmän kortverifiering. Kortverifieringsmetoder, såsom kortverifieringsvärde (CVV) eller kortverifieringskod (CVC), krävs i CNP-transaktioner där en PIN-kod inte kan användas.

Sista ordet

By att förebygga bedrägerier digitaliseras kapacitet som använder AI och annan avancerad teknik, banker och finansinstitutioner kan påskynda sin reaktion på bedrägerier och hjälpa kortinnehavare att känna sig mer bekväma med att övergå till digitala betalningar.

Eftersom betalningsbedrägerier fortsätter att vara ett allvarligt problem är det viktigt att vidta åtgärder för att skydda användare och deras konton. Att använda verktyg för att bekämpa bedrägerier och att ständigt förbättra dem och upptäcka nya tekniker och tekniker år efter år är avgörande för att bekämpa betalningsbedrägerier.

Låt inte betalningsbedrägerier hindra ditt företags tillväxt! Utnyttja en mjukvarupartner som djupt förstår betalningsbranschen och kan stödja företag som erbjuder förbetalda kort eller kreditkort med de bedrägeribekämpningslösningar som deras kortinnehavare kommer att uppskatta.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. Tillgång här.
• Minting the Future med Adryenn Ashley. Tillgång här.
• Källa: https://www.finextra.com/blogposting/24049/the-latest-technologies-for-banks-to-detect-and-prevent-credit-card-fraud?utm_medium=rssfinextra&utm_source=finextrablogs