用 AI 檢測支付欺詐，以色列公司 Fraugster 獲 500 萬美元投資

AI 支付欺詐以色列 Fraugster 投資

Wheeler | 2017-01-18 14:36

【數(shù)據(jù)猿導讀】 Fraugster 的欺詐檢測技術(shù)可以從每筆交易中實時學習，能夠在欺詐發(fā)生之前預測到風險

以色列初創(chuàng)公司 Fraugster 致力于開發(fā)可以防止支付欺詐的人工智能技術(shù)，近日，該公司獲得了 500 萬美元的投資，由 Earlybird 領(lǐng)投，Speedinvest 和 Seedcamp 等多家公司參投。

Fraugster 公司成立于 201 4年，聯(lián)合創(chuàng)始人 Max Laemmle 之前曾創(chuàng)辦支付網(wǎng)關(guān)公司 Better Payment，另一位創(chuàng)始人 Chen Zamir 在風險分析與管理領(lǐng)域有十多年的經(jīng)驗，曾在 PayPal 工作長達五年。

Fraugster 的欺詐檢測基于 AI 技術(shù)，他們的技術(shù)可以從每筆交易中實時學習，能夠在欺詐發(fā)生之前預測到風險。目前，F(xiàn)raugster 可以減少 70% 的欺詐，同時將轉(zhuǎn)換率提高 35%。對于所有欺詐檢測技術(shù)來講，無論是否以 AI 為基礎，其目的就是阻止欺詐交易，同時消除誤報。

公司 CEO兼聯(lián)合創(chuàng)始人 Max Laemmle 表示：

目前整個支付市場的風險防范都是建立在過時的技術(shù)之上，所以我們創(chuàng)立了 Fraugster。規(guī)則系統(tǒng)和機器學習方案既昂貴又難以跟上欺詐模式更新的速度，我們的自學習算法不僅能模擬人類分析師的思維過程，還具備了機器的擴展性，只需 15 毫秒就能做出決策。

Fraugster 集成其他軟件之后就可以開始收集交易數(shù)據(jù)點，例如姓名和電子郵件地址以及帳單和送貨地址。這些信息可增加約 2000 個額外的數(shù)據(jù)點，這樣就可以通過 IP 延遲檢查來測量用戶之間的真實距離，再加上 IP 連接類型、擊鍵之間的距離以及電子郵件名稱匹配度等方面的參考，豐富的數(shù)據(jù)集將被發(fā)送到 AI 引擎進行分析，進而得出結(jié)論。

Laemmle 解釋說：

我們的 AI 引擎的核心是非常強大的算法，它可以模仿人類分析師審查交易的思維過程。因此，我們可以分析每筆交易背后的情況，并精確地分辨出哪些交易是欺詐，哪些不是。

處理結(jié)果是完全透明的，所以你可以了解為什么某個交易被阻止或允許。此外，我們之所以能把速度降至 15 毫秒，是因為我們發(fā)明了自己的內(nèi)存數(shù)據(jù)庫技術(shù)。

Fraugster 公司表示，像 FICO 和 SAS 這樣的競爭對手所使用的技術(shù)已經(jīng)過時。在 Fraugster，他們不使用任何規(guī)則、模型或預定義的分段。分析事物時，他們擯棄了單一的固定算法，其引擎每處理一筆新的交易時都在自我重塑。這使他們能夠單獨了解每一筆交易，從而判定哪一筆是欺詐。

Fraugster 公司目前已經(jīng)幫助數(shù)千家國際商家和支付服務提供商處理近 150 億美元的交易，其中 Visa 也在他們的客戶之列。此外，本次新注入資金將主要用于公司在國際化拓展中團隊的擴大。

來源：36kr

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責。