利用强大的 Stripe 网络进行反欺诈

  • 使用确实有效的机器学习

    Radar 使用机器学习来检测和阻止任何业务类型中存在的欺诈风险,机器学习算法可以利用全球数百家公司的数据进行训练。它内置于 Stripe 中,无需额外设置即可开始使用。

  • 不再阻止合法的客户

    传统的防御欺诈做法并不适合现代的互联网业务,并且有可能降低通过率,进而影响收入。Radar 可以帮助您更准确地区分欺诈者与客户,并对高风险付款采取动态的 3DS 验证措施。

  • 获得最适合您的精准保护

    利用我们的机器学习基础设施,我们可以每天对模型进行再训练——包括为您的公司定制的那些模型。Radar 的算法可快速适应不断变化的欺诈模式以及您独特的业务特征。

经过数十亿数据点训练

Stripe 为来自 195 个国家/地区的各种行业、各种规模的公司和业务模式处理付款事宜。即使某一个银行卡第一次用于您的公司,但它仍有 89% 的可能性在 Stripe 的网络中出现过。

  • 数量优势

    通过从每年处理的全球数百万家公司的数十亿付款的学习累积,Radar 可以评估每笔付款的风险分值,并自动阻止许多高风险的付款。

  • 使用 Stripe 的大规模数据获得更好的机器学习效果

    Radar 通过来自 Stripe 网络的上千种信号对每笔付款进行扫描,帮助检测并防范欺诈(甚至在其触及您的业务之前)。

第三方工具更准确

Radar 能够从财务堆栈的每一层提取数据,并整合来自结账流程的数据、丰富的支付数据以及来自卡组织和银行的信息数据,评估欺诈风险。

  • 金融合作伙伴的数据

    Stripe 与 Visa、Mastercard、American Express 和许多业内领先的银行都有合作关系,因此我们能够使用像如 TC40s、SAFE 报告以及早期争议通知等数据,帮助识别欺诈性收款,避免出现争议。

  • 付款数据

    Radar 与 Stripe 的其余部分完全集成,因此我们的系统可以即刻使用丰富的支付信息(如客户信息、配送地址和账单地址以及其他属性),进而提高机器学习性能。

  • 结账流程数据

    Stripe 的结账工具自动合并您网站和移动应用中的某些买家购买模式,帮助检测异常付款。Radar 使用这些信号可以映射出一个能够高度预测欺诈的全面客户路径。

复杂信号,加强影响

Radar 专为面临不断变化的欺诈威胁的全球互联网企业量身打造。我们不断调整算法,测试最相关属性,并生成复合信号,帮助精确识别和阻止欺诈。

  • 设备指纹

    将多种信号组合到单个设备配置文件。

  • 历史快照

    从多年的历史数据中找出反复出现的模式。

  • 代理检测

    识别 IP 欺诈和使用代理的问题。

  • 等数千种特性

    Radar 通过对多种信号进行组合来对每笔交易进行评估,以帮助确定付款是否具有欺诈性。

简单、透明的定价

Radar 的机器学习

欺诈保护由 Stripe 网络内数十亿的数据点驱动。

HK$0.4

每笔筛选的交易 付款手续费以外。

豁免采用标准 3.4% + HK$2.35定价的账户

You’re viewing our website for Hong Kong, but it looks like you’re in the United States.