SÃO FRANCISCO — A Stripe lançou hoje o Radar 2.0, com novas ferramentas desenvolvidas para grandes organizações e a maior melhoria nos seus modelos de machine learning até hoje.

O Radar impediu prejuízos de US$ 4 bilhões em tentativas de fraude só em 2017 ao aprender com transações processadas na rede da Stripe para centenas de milhares de empresas e ajudar os usuários a adaptar defesas de acordo com suas necessidades. Operando com grandes corporações e startups inovadoras em mais de 100 países, o Radar combina instantaneamente dados de transações com a inteligência de redes bancárias e de cartões de crédito. Com o anúncio de hoje, a Stripe disponibiliza um novo pacote de ferramentas avançadas de prevenção de fraude para especialistas em risco que atuam em grandes corporações.

Michael Manapat, engineering manager do Radar e de machine learning da Stripe, explica: “Os modelos de machine learning da Stripe agora são treinados com centenas de bilhões de pontos de dados individuais provenientes da rede da Stripe. Usamos esses pontos de dados para atualizar os nossos modelos de fraude, ajudando as empresas que usam a Stripe a identificar com mais precisão fraudadores e a reduzir as taxas de fraude em até 25% e mantendo altas as taxas de aceitação de pagamentos. Com o Radar for Fraud Teams, disponibilizamos ferramentas para equipes que combatem fraudes, especialmente para os nossos maiores usuários, oferecendo a eles controles minuciosos e eficazes.”

Melhorias do Radar darão mais agilidade aos modelos de machine learning

Hoje marca a atualização mais abrangente nos modelos de machine learning do Radar desde o seu lançamento em 2016. A Stripe adicionou centenas de novos sinais que diferenciam clientes legítimos de fraudadores, como padrões de compra que são altamente indicativos de fraude. Por consequência, os modelos atualizados de machine learning ajudarão as empresas a reduzir as fraudes em até 25%, ainda mantendo elevadas as taxas de aceitação de pagamentos.

A detecção de proxies é um exemplo de um sinal altamente indicativo que foi incorporado aos modelos de machine learning do Radar. Ela mede o tempo total de comunicação entre a Stripe e o navegador de um possível fraudador, ajudando a identificar o uso de proxy ou VPN.

O Radar também avalia constantemente padrões exclusivos da empresa do usuário. Agora, todos os dias o Radar atualiza e treina novamente seus modelos em um processo que avalia o perfil único de transação de cada usuário, a fim de determinar qual modelo alcançará o melhor desempenho. Por treinar modelos de machine learning para casos de uso específicos, o Radar consegue atender com precisão empresas de todos os portes e tipos com bons resultados de desempenho. Ao usar um serviço em nuvem, os usuários se beneficiarão diretamente das atualizações diárias futuras, com defesas que se adaptarão com ainda mais rapidez às constantes mudanças das táticas de fraudes.

Conheça o Radar for Fraud Teams

Desenvolvido para equipes sofisticadas de profissionais de combate a fraudes, o Radar for Fraud Teams aumenta a visibilidade e oferece controle minucioso para identificar e prevenir fraudes.

Agora os profissionais de combate à fraude em grandes organizações podem usar o Radar para otimizar ações como:

• Análises mais rápidas e mais precisas. Ao analisar pagamentos, o Radar exibe informações relevantes e pagamentos relacionados que a empresa de um usuário já processou. Ao ter uma visão mais ampla de atributos como uma trilha típica de vendas ou diferença entre o país do endereço IP de entrada e o país onde o cartão foi emitido, os especialistas em risco podem avaliar atividades fraudulentas com mais rapidez.
  
• Regras personalizadas com feedback em tempo real. A lógica de prevenção de fraude do Radar agora pode ser personalizada com regras exclusivas (por exemplo, “bloquear todas as transações acima de US$ 1.000 quando o país do IP for diferente do país do cartão”). A lógica também simula a aplicação da regra em dados históricos para que os especialistas em risco avaliem o impacto dela em transações correntes.
  
• Personalização dos limites de risco. O Radar ajuda especialistas em risco a maximizar a receita ao permitir a personalização de limites de bloqueio de pagamentos.
  
• Listas de bloqueio e permissão. Os usuários agora têm um jeito fácil de criar e manter listas de atributos (números de cartão, e-mails, endereços IP e muito mais) que devem ser sempre bloqueados ou permitidos.
  
• Análises minuciosas sobre o desempenho de fraudes. O Radar destaca tendências na empresa do usuário, a eficácia da análise de pagamentos suspeitos e o impacto de regras personalizadas.
  

Jordan McKee, diretor de pesquisas da 451 Research, comenta: “Os negócios da Internet estão vivenciando grandes mudanças, pois as fraudes ficam cada vez mais complexas, globalizadas e caras para serem combatidas. Com a possibilidade de aprendizagem constante a partir de dados, o machine learning surgiu como um jeito eficiente e adaptado para evitar prejuízos na ordem de bilhões de dólares. O Stripe Radar agora disponibiliza este reforço de inteligência para equipes especializadas em prevenção de fraudes nas empresas, oferecendo a elas dados e ferramentas para intensificar suas ações preventivas no dia a dia. Também vemos o Stripe Radar como ideal para empresas multinacionais, que podem usá-lo para turbinar suas equipes internas de prevenção de fraudes com machine learning e ferramentas de análise contextual. Com o lançamento de hoje, o Radar passa a ser o mais novo exemplo de como a Stripe está expandindo seu portfólio de produtos para atender a empresas sofisticadas e de grande porte.”

O Radar for Fraud Teams já facilita e dá mais eficácia ao gerenciamento de fraudes na Watsi, Fitbit, Restocks, Patreon e muitas outras organizações. Para saber mais, acesse stripe.com/radar.