你对欺诈评分的概念及其在网上打击欺诈中的应用不太了解吗？那么你来对地方了，下面的文章将为你提供关于欺诈评分的指南以及你需要知道的一切。
前段时间，我在 Smartproxy 上注册了一个账户。就在我验证账户的那一刻，我收到了一封邮件，告知我的活动存在可疑之处，因此我的账户被封了。请注意，我甚至还没有在他们的平台上进行任何操作。他们是如何判断我是否构成威胁的呢？这就是欺诈评分发挥作用的地方。这个例子可能不太恰当，因为我实际上并没有构成任何威胁。
然而，这为你提供了一个欺诈评分如何工作的例子——一个表明你或你的行为可能是欺诈的表面值。这个值用于阻止骗子、欺诈者，有时也包括垃圾信息发送者。它构成了许多现代反欺诈系统运作的基础。在本指南中，我的目标是向你揭示欺诈评分的概念以及你需要了解的一切。
什么是欺诈评分？
如前所述，欺诈评分只是一个通常以百分比或概率表示的数字，用来回答用户成为欺诈者的可能性。然而，这并不是一个随意的数字，而是通过使用欺诈评分算法进行计算得出的。
欺诈评分算法使用多个参数的多个数据点，如 IP 地址和浏览器指纹，每个参数都有其自身的权重，这取决于该参数在系统中确定欺诈的重要性。
因此，你可以将欺诈评分视为多个数据点的组合，这些数据点被表示为一个单一的值，并用于决策。当生成的欺诈评分被认为有风险时，用户行为要么被转交给人工审核，要么采取行动，用户很可能会被阻止。
决定欺诈评分的因素
欺诈评分由哪些因素构成？欺诈评分由多个数据点组成。具体的数据点由业务需求和特定的欺诈评分算法决定。同样重要的是，每个数据点在最终值中都有其自身的权重，例如，使用持卡人姓名不同的卡片与仅使用代理服务器的权重不同。让我们来看看以下一些决定因素。
IP 地址和代理详情
IP地址跟踪可能看起来是一种过时的用户跟踪方式，因为更换它们很容易。然而，它们仍然是指向欺诈活动的有效指标。如果被检测到使用代理，这表明有人在隐藏某些东西。但仅仅使用代理/VPN并不是问题所在。
主要问题在于代理的类型以及代理的IP是否在风险数据库中。另一个可能增加欺诈评分的指标是IP地址的位置与账单地址相距甚远。如果账单地址在非洲，而IP地址位置在朝鲜，这很可能是欺诈行为。此外，IP地址是否是TOR节点的一部分？它是数据中心IP还是住宅IP？
电子邮件地址和账户
在欺诈评分系统中，电子邮件地址和平台账户的年龄是一个重要的指标，因为新账户比旧账户更有可能被用于欺诈。欺诈评分算法认为旧账户和电子邮件的风险较低。例如，如果你用一个刚创建的电子邮件地址进行付款，这可能会引起怀疑。如果其他指标也同样可疑，那么该交易可能会被阻止。
正因为如此，欺诈者会寻找旧的电子邮件和社交媒体账户进行购买，以便在不被发现的情况下进行他们的非法活动。同样重要的是，电子邮件是否在过去用于诈骗或垃圾邮件的数据库中。此外，即使是旧的、长期未使用的电子邮件也同样可疑，因为欺诈者通常会购买旧的未使用账户。
账单地址和送货地址不匹配
对于普通的在线购物者来说，他的账单地址与送货地址是相同的——这也是理所当然的。当用户提供的送货地址与账单地址不同，就会引起怀疑，并增加欺诈评分。另一方面，账单地址和送货地址相同会降低交易风险。
想象一下——一个人用来自美国的信用卡和账单地址支付一件商品，但商品的送货地址却在印度或巴基斯坦？这并不是唯一的指标，单靠这一点无法区分欺诈交易和安全交易。然而，它是一个指标，结合其他指标，可以被检测为欺诈。
BIN不匹配
除了账单地址和送货地址之外，另一个影响欺诈评分的因素是BIN（银行识别码）匹配。对于大多数用户来说，他们的账单地址通常与银行所在国家一致。当账单地址与银行所在国家不同，就会增加风险。
需要注意的是，现在有一些虚拟卡可以让用户从非实际所在国家获取。这些卡会增加用户的欺诈评分。
浏览器指纹
反欺诈系统现在会跟踪从你的浏览器/设备获取的每一个细节，包括用户代理、画布哈希，甚至音频上下文哈希，并利用这些信息生成用于跟踪的唯一指纹。
如果某个浏览器指纹已知与垃圾信息相关，那么共享此类指纹的用户的评分将会提高。此外，如果你伪装了浏览器指纹，而反垃圾系统检测到你的指纹被伪装或不一致，你的欺诈评分也会增加。
欺诈评分如何运作？
欺诈评分系统的运作相当复杂，其中大多数，尤其是先进的系统，利用机器学习和人工智能来提高评分算法的准确性。然而，抛开AI系统不谈，大多数系统都有一个简单的工作模型，用于得出他们分配给行为和个人的欺诈评分。
当用户采取行动时，该行为会被传递给反欺诈系统。反欺诈系统收集关于用户和行为的所有已知数据点，为每个数据点打分——其中一些参数会增加最终值，而另一些则会减少它。
如前所述，欺诈评分算法使用的一些已知数据点包括IP地址、浏览器指纹、电子邮件地址/账户年龄和活动、代理使用情况以及物理地址（送货、账单、IP地理位置和BIN）等。
该系统通常是基于规则的，具有风险值的参数会增加整体欺诈评分，而看起来安全的低风险参数则会减少评分。需要注意的是，不同的参数有不同的权重。
最终，你会得到一个欺诈评分。在这一点上，用户请求的处理取决于系统是否认为其具有欺诈性。如果未达到风险阈值，请求将被允许通过。
对于有风险的请求/行为，请求会被传递给人工审核员进行审批。超过风险阈值的评分会被自动标记为欺诈并被阻止——有些甚至会同时禁止用户。
流行的反欺诈系统及其欺诈评分系统
以下是市场上一些流行的反欺诈系统，以及它们的欺诈引擎在这方面的工作原理。
SEON
SEON 是市场上最受欢迎的反欺诈系统之一。其欺诈评分引擎是反欺诈系统的核心。该服务提供了一种数据丰富解决方案，为评分引擎提供输入。引擎的结果将揭示评分值和状态值，状态可以是批准、审核或拒绝。
通常，这些状态有一个默认阈值，但SEON使其系统具有可定制性，以适应各种用途。除了默认和自定义规则外，还有机器学习规则，可以智能地标记交易。
FraudScore
FraudScore服务是另一个流行的反欺诈系统，尤其适用于联盟营销。该服务的一大特色是其拥有超过150种欺诈模式的数据库。当用户发起一个动作时，FraudScore会将其与已知模式进行分析并相应报告。只有被FS Actions标记为安全的动作才被允许通过——其余的则被标记为欺诈，并发送给你以采取行动。
iDenfy
iDenfy系统同样拥有良好的反欺诈系统，专门针对确保只有合法交易能在其合作伙伴平台上获得批准。该服务会检查用户的全名、物理地址、IP地址和设备指纹，以查看这些信息是否最近用于欺诈交易。
它还会检查电子邮件地址，并使用其专有算法评估支付卡的风险。通过这些手段，它能够生成用于批准或拒绝交易的欺诈评分。
使用欺诈评分进行欺诈防护的优势
欺诈评分在防止欺诈中确实有其作用。以下是使用欺诈评分来防止平台上欺诈活动的一些优势。
有效性
电子商务平台使用欺诈评分的原因之一是其有效性。然而，重要的是要知道，第三方的欺诈评分比内部解决方案更好。这是因为欺诈检测引擎的有效性取决于其模型和数据——无论你构建什么，都会受到你拥有的数据的限制。
使用从更多服务获取数据的第三方解决方案，可以阻止甚至从未与您的平台互动过的用户进行的欺诈活动。
动态特性
欺诈评分根据可用的已知数据和使用的每个参数的权重具有动态特性。一个诈骗者可能在第一次测试中通过，但在第二次或第四次尝试中失败，因为系统获取了关于他的更多细节。
由于数值不是静态的，系统能够适应并实时阻止犯罪分子。阈值本身也不是静态的，因为企业主可以自定义阈值并根据需要进行调整。
自动化和可扩展性
该系统无需向用户询问任何信息。它直接从用户和第三方合作伙伴处获取信息，并进行增强。仅凭一个评分，就可以更轻松地评估用户并批准其交易。这种简化使得整个系统具有可扩展性，因为使用它们的服务可以根据其基础设施在合理的规模上处理更多的交易。
提升用户体验
对于用户来说，反欺诈评分根本不存在，因为他们并不会被告知。在大多数情况下，它作为中间件被插入，对于安全交易，用户不会感受到任何摩擦。只有在风险和可疑交易中，用户才需要进行验证，或者当他们的交易被拒绝时，他们才会知道。这通常提升了用户体验，仅对可疑和欺诈用户的使用产生干扰。
欺诈评分的缺点
使用数值进行欺诈评分确实有巨大的优势。然而，它仍然存在一些缺点。让我们来看看其中的一些缺点。
误报
欺诈评分不过是一个分数，在某些情况下，它可能会标记并拒绝合法交易。举个例子，一个合法用户在异国他乡，使用来自其他国家的VPN进行在线购买时，可能会被标记为欺诈，而实际上他并没有欺诈行为。
在本文的开头，我讲述了自己如何被smartproxy.com无故封锁的故事——这是目前欺诈评分系统的最大缺点之一。
存在不同的评分系统
建议你使用第三方服务，而不是构建自己的定制评分系统。然而，不同的提供商在衡量和计算这些评分时有不同的方法。如果你想从一个提供商转到另一个提供商，你需要花一些时间了解新服务，并学习如何最好地校准它们以获得最佳结果。
价格对小企业不友好
我们已经确定，内部解决方案并不是很有效。对于推荐的第三方选项，其价格并不便宜，尤其是对于小企业来说。例如，SEON对入门用户每月收费699美元——而高级计划则要贵得多。每月收入远超这一水平的大企业可以承担这一费用——即便对他们来说，这仍然是一笔成本，只不过是不可避免的。
结 论
作为本指南的结尾，我仍需提到，使用第三方解决方案是最佳选择，因为它们拥有更复杂和有效的模型，并且基于你无法获得的大量数据构建。
如果你使用的是内部开发的系统，它能够防范的欺诈类型将非常有限，并且考虑到其效果不佳，维护它所需的时间和金钱成本都不值得。从一个好的提供商中做出选择，保持你平台上的欺诈行为在最低限度。
