Nel 2024, i clienti degli Stati Uniti da soli hanno perso 12,5 miliardi di dollari a causa delle frodi, un aumento del 25% rispetto all'anno precedente. In molti casi, la frode sembra una transazione normale fino a quando non lo è più: un bot di testing delle carte può inviare decine di piccoli addebiti su carte diverse in pochi minuti, un attore fraudolento può utilizzare credenziali rubate per effettuare un ordine di valore elevato con spedizione rapida, oppure un cliente potrebbe contestare un addebito che ha effettivamente autorizzato.

Il miglior software di rilevamento delle frodi aiuta a intercettare questi schemi prima che diventino chargeback, utilizzando logiche basate su regole, machine learning (ML) e segnali di transazione in tempo reale per separare gli acquisti legittimi da quelli fraudolenti. Di seguito, spiegheremo come funziona il software di rilevamento delle frodi, quali funzionalità contano quando valuti una soluzione per la prevenzione delle frodi e come adattare un sistema all'esposizione alle frodi della tua attività.

In sintesi

• Il moderno rilevamento delle frodi utilizza la logica basata su regole, il machine learning o entrambi per intercettare gli schemi di frode noti, nonché le tattiche emergenti che le regole statiche non coglierebbero.

• I tassi di falsi positivi contano tanto quanto i tassi di rilevamento, poiché bloccare i clienti legittimi crea a sua volta una perdita di ricavi.

• Le attività che utilizzano già fornitori di servizi di pagamento con rilevamento nativo delle frodi possono spesso saltare l'integrazione di terze parti. Gli strumenti integrati di rilevamento delle frodi si basano su segnali a livello di rete che le piattaforme autonome spesso faticano a replicare.

Che cos'è un software di rilevamento delle frodi?

Il software di rilevamento delle frodi nei pagamenti valuta le transazioni per identificare e bloccare le attività fraudolente prima che si traducano in chargeback, merci rubate o account compromessi. Generalmente, si colloca tra il tentativo di transazione e la sua approvazione, applicando una combinazione di regole, modelli e segnali per decidere se un pagamento debba andare a buon fine.

Come funziona il software di rilevamento delle frodi?

I sistemi di rilevamento delle frodi differiscono nel modo in cui decidono cosa bloccare. Esistono sistemi basati su regole e sistemi basati sul machine learning.

Rilevamento basato su regole

I sistemi basati su regole applicano una logica condizionale alle transazioni in entrata: se una transazione supera un certo importo in dollari, proviene da un'area ad alto rischio o attiva un controllo della velocità (ad es. più di cinque acquisti dalla stessa carta in 10 minuti), viene segnalata o bloccata.

Il vantaggio è la trasparenza: puoi vedere esattamente perché una transazione è stata segnalata. Il limite è che le regole colgono solo ciò che hai previsto quando le hai scritte. Uno schema di frode mai visto prima non attiverà alcuna regola finché non aggiornerai la tua logica.

Modelli di machine learning

Il rilevamento basato sul machine learning impara dai dati storici delle transazioni per identificare l'aspetto "normale" e segnalare le deviazioni. Una singola transazione proveniente da un nuovo dispositivo o in un nuovo Paese o effettuata in un'ora insolita per un importo atipico potrebbe sembrare a posto con una sola di queste caratteristiche. Ma, se combinati, la transazione potrebbe ottenere un punteggio ad alto rischio. Il modello pesa questi segnali in base a ciò che è effettivamente predittivo nella cronologia delle tue transazioni.

Il vantaggio significativo rispetto alle regole è l'adattabilità: le tattiche di frode cambiano costantemente e i modelli di machine learning possono rilevare schemi emergenti prima ancora di aver scritto una regola al riguardo. Il compromesso è l'opacità, poiché è più difficile spiegare esattamente perché una specifica transazione sia stata rifiutata, il che complica la revisione dei falsi positivi.

In entrambi i casi, questi sistemi dovrebbero operare in tempo reale al momento dell'invio della transazione. Dovrebbero funzionare abbastanza velocemente da accettarla o rifiutarla prima che la sessione di checkout scada e senza introdurre ritardi evidenti nel checkout. Alcuni sistemi tracciano anche il comportamento lungo l'intero flusso di checkout e incorporano segnali a livello di sessione nel punteggio di rischio prima ancora che il pagamento venga inviato.

Quali tipi di frodi nei pagamenti può intercettare il software di rilevamento delle frodi?

Esistono diversi tipi di frodi nei pagamenti che le attività si trovano comunemente ad affrontare: frodi con carta non presente (CNP), testing delle carte, appropriazione di account (ATO) e frodi amichevoli. Ognuna sfrutta una diversa vulnerabilità nel flusso della transazione e può essere rilevata dal software di prevenzione delle frodi.

• Frode CNP: un attore fraudolento utilizza i dati di una carta rubata per effettuare acquisti in cui non è richiesta una carta fisica. Il rilevamento si basa su segnali che il titolare della carta non attiverebbe in genere, come indirizzi di fatturazione e spedizione non corrispondenti, rilevamenti dell'impronta digitale del dispositivo insoliti e schemi di comportamento anomali.

• Testing delle carte: gli attori fraudolenti che ottengono numeri di carte rubate verificano quali sono attive, in genere inviando transazioni di piccolo importo o di zero dollari su molte carte in rapida successione. I controlli sulla velocità e il rilevamento dell'impronta digitale del dispositivo sono le principali contromisure.

• Frode ATO: nelle frodi ATO, gli attori malintenzionati ottengono l'accesso all'account di un cliente legittimo (spesso tramite credential stuffing, utilizzando coppie di nome utente e password trapelate) e utilizzano i metodi di pagamento salvati per effettuare ordini. Il rilevamento fa uso di segnali comportamentali (ad es. accesso da un dispositivo non familiare, improvvisi cambiamenti di password seguiti da acquisti, modifiche di indirizzo subito prima di un ordine di valore elevato).

• Frode amichevole: un cliente completa una transazione legittima, riceve la merce e quindi contesta l'addebito con la propria banca. Il software antifrode può aiutare segnalando gli account con una precedente cronologia di contestazioni o acquisti che si adattano a schemi noti, come merci di alto valore con spedizione rapida che possono essere rivendute facilmente.

Quali funzionalità sono importanti nel software di rilevamento delle frodi?

Le funzionalità che contano di più dipendono in larga misura dal volume delle tue transazioni, dall'esposizione alle frodi e dalla configurazione tecnica. Ma alcune capacità sono costantemente importanti.

Prendi in considerazione quanto segue:

• Precisione di rilevamento: un sistema che rifiuta l'85% delle frodi e il 15% degli ordini legittimi sta scambiando una perdita di ricavi per un'altra. Cerca piattaforme che pubblicano i tassi di falsi positivi insieme ai tassi di rilevamento, poiché i due numeri insieme ti dicono molto di più del solo tasso di rilevamento.

• Personalizzazione delle regole: i modelli predefiniti sono un punto di partenza. Quasi sempre dovrai aggiungere una logica specifica per l'attività, come bloccare determinate aree geografiche, richiedere 3D Secure per ordini superiori a una certa soglia e regolare i punteggi di rischio per clienti noti e sicuri. Le piattaforme che ti consentono di scrivere e testare regole personalizzate senza supporto ingegneristico sono molto più flessibili nella pratica.

• Integrazione con l'infrastruttura di pagamenti: uno strumento antifrode che richiede di passare i dati delle transazioni attraverso un'API (Application Programming Interface) separata introduce latenza e punti di errore. I sistemi integrati nel flusso di pagamento o nativamente nel tuo fornitore di servizi di pagamento evitano tale complessità.

• Reportistica e gestione dei casi: quando il tuo team esamina le transazioni segnalate, ha bisogno di contesto: perché la transazione è stata segnalata, quali segnali hanno contribuito e come apparivano transazioni simili. Un software di gestione delle frodi che mostra tutto questo in modo chiaro rende la revisione manuale più rapida e ti aiuta ad affinare le regole nel tempo.

• Possibilità di crescita: un sistema che gestisce il tuo volume attuale deve gestirne 10 volte tanto senza degradare in velocità o precisione. I periodi di traffico intenso come il Black Friday registrano spesso picchi di frodi; questi periodi di tempo sono anche quelli in cui desideri meno rallentamenti.

Quali sfide comporta il software di rilevamento delle frodi?

Il software di rilevamento delle frodi ha due compiti: segnalare accuratamente i tentativi di frode e non bloccare le transazioni legittime. Una delle sfide più persistenti nel rilevamento delle frodi è trovare un equilibrio. Il software dovrebbe prestare rigorosa attenzione ai segnali di frode senza creare frustrazione per i clienti legittimi.

Oltre a questo lavoro continuo, i sistemi basati su regole e i sistemi basati sul machine learning affrontano sfide distinte:

• Le regole diventano obsolete: le tattiche di frode cambiano costantemente. Un set di regole che era efficace sei mesi fa potrebbe presentare notevoli lacune oggi. Senza una revisione regolare, i sistemi basati su regole vanno verso l'obsolescenza.

• La qualità dei dati per i modelli di machine learning varia: i modelli di machine learning sono validi tanto quanto i dati su cui sono addestrati. Una piattaforma con segnali di transazione provenienti da milioni di attività in molti settori avrà un modello significativamente diverso rispetto a una con una copertura più ristretta. Quando valuti i fornitori, chiedi in modo specifico l'ambito dei loro dati di addestramento.

Come scegli il software di rilevamento delle frodi per la tua attività?

La scelta giusta per il software di rilevamento delle frodi dipende da come funziona la tua attività. Hai bisogno di un sistema che sia facile da integrare, facile da eseguire e che corrisponda al tipo di frode che riscontri.

Considera queste variabili:

• Volume delle transazioni: con volumi inferiori, la precisione del modello di machine learning può essere incostante se ci sono meno dati storici su cui basare l'addestramento. Gli approcci basati su regole o ibridi potrebbero superare il machine learning puro su scala ridotta. Le attività ad alto volume probabilmente traggono maggiori vantaggi dal machine learning perché i modelli hanno segnali sufficienti per essere realmente predittivi, ma le piccole attività possono comunque trarre vantaggio da un modello di machine learning a livello di rete.

• Configurazione tecnica: se utilizzi un fornitore di servizi di pagamento con un servizio di rilevamento delle frodi integrato, questo è spesso il giusto punto di partenza. La complessità di integrazione è minima e i segnali di frode sono già incorporati nel flusso di pagamento. Se operi su più processori o hai un'infrastruttura di checkout complessa, potresti aver bisogno di una piattaforma antifrode autonoma con un ampio supporto di integrazione.

• Risorse interne: alcune piattaforme antifrode richiedono un lavoro ingegneristico significativo per essere configurate e mantenute; altre sono progettate per essere gestite direttamente da team operativi non tecnici. Se non disponi di un team dedicato all'analisi delle frodi o ai rischi, orientati verso piattaforme con solidi modelli di analisi predefiniti e semplici interfacce per le regole.

• Integrazione del flusso di lavoro e della reportistica: verifica che qualsiasi piattaforma in fase di valutazione si connetta al tuo flusso di lavoro di gestione delle contestazioni e esporti i dati in formati compatibili con il tuo stack di reportistica. Gli strumenti antifrode che non si integrano in modo pulito creano lavoro manuale che può annullare il vantaggio dell'automazione.

In che modo Stripe Radar può essere d'aiuto

Stripe Radar è in grado di prevenire le frodi sfruttando modelli di IA addestrati con i dati della rete globale di Stripe. Questi modelli vengono costantemente aggiornati in base alle ultime tendenze, proteggendo costantemente la tua attività da sistemi di frode in continua evoluzione.

Stripe offre anche Radar for Fraud Teams, che consente agli utenti di aggiungere regole personalizzate per affrontare scenari di frode specifici per le loro attività e di accedere a informazioni avanzate sulle frodi.

Radar può aiutare la tua attività a:

• Prevenire le perdite dovute a frodi: Stripe elabora oltre 1.000 miliardi di USD di pagamenti all'anno. Questa portata consente a Radar di individuare e prevenire con precisione le frodi, consentendoti di risparmiare denaro.

• Aumentare i ricavi: i modelli IA di Radar sono addestrati su dati reali relativi a contestazioni, informazioni sui clienti, dati di navigazione e altro. Ciò consente a Radar di identificare le transazioni rischiose e ridurre i falsi positivi, aumentando i tuoi ricavi.

• Risparmiare tempo: Radar è integrato in Stripe e non richiede alcuna riga di codice per essere configurato. Puoi anche monitorare le tue prestazioni antifrode, scrivere regole e altro in un'unica piattaforma, aumentando l'efficienza.

Scopri di più su Stripe Radar, oppure inizia oggi stesso.