Ett bedrägligt konto som skapas idag kan ligga vilande i veckor innan det används för att tömma ett värvningsprogram, rotera presentkort eller skikta transaktioner genom syntetiska identiteter. När mönstret väl blir synligt är den tydliga tillskrivningen borta och skadan är redan skedd. Företag har uppskattat att 3 % av deras totala e-handelsintäkter förloras till bedrägerier varje år. Verktyg för bekämpning av bedrägeri med nya konton är programvarusystem utformade för att fånga upp falska konton vid registrering, och de varierar i signalkvalitet, anpassningsförmåga och hur väl de står emot attacker.

Nedan går vi igenom vad dessa verktyg gör, vad som skiljer de bra från de tillräckliga och hur du gör en rättvis utvärdering för att jämföra verktyg för bekämpning av bedrägeri med nya konton.

Viktiga punkter

• Verktyg för bekämpning av bedrägeri med nya konton lägger ihop enhetsintelligens, beteendebiometri och nätverkssignaler för att poängsätta varje registreringsförsök innan ett konto skapas.

• För att utvärdera dessa verktyg kan du titta på hanteringen av falska positiva resultat, transparens och modellens prestanda mot adaptiva angripare.

• Ett noggrant proof of value kör båda verktygen samtidigt mot samma trafik och mäter upptäcktsfrekvens, frekvens av falska positiva resultat och konverteringspåverkan tillsammans.

Vad är verktyg för bekämpning av bedrägeri med nya konton?

Verktyg för bekämpning av bedrägeri med nya konton är programvarusystem som bedömer registreringsförsök i realtid och returnerar en risksignal innan kontot existerar. Dessa verktyg befinner sig ofta mellan ditt registreringsflöde och användardatabasen och utvärderar varje försök mot enhetsdata, beteendesignaler, identitetsattribut och intelligens på nätverksnivå.

Dessa verktyg syftar till att bekämpa bedrägerier med nya konton, vilket inträffar när någon skapar ett konto med fabricerad, stulen eller syntetisk identitetsdata. Istället för att ta över ett befintligt konto utnyttjar de ett företags plattform från dag 1. Bedragaren kan utnyttja välkomstbonusar, kringgå utgiftsgränser, tvätta pengar via skiktade konton eller etablera ett fotfäste för framtida missbruk.

Hur fungerar verktyg för bekämpning av bedrägeri med nya konton?

De här verktygen lägger ihop flera detekteringsmekanismer för att bygga en bild av varje registreringsförsök. Här är de metoder de använder:

Enhetsintelligens

När en användare hamnar på din registreringssida skapar ett JavaScript-kodavsnitt eller ett mobil-SDK (Software Development Kit) ett fingeravtryck av enheten och registrerar webbläsarversion, skärmupplösning, installerade typsnitt och dussintals andra attribut. Verktyget använder denna information för att generera en stabil identifierare. Målet är att känna igen när samma fysiska enhet skapar flera konton, även efter att användaren rensat cookies eller bytt webbläsare.

Beteendebiometri

Detta registrerar hur användare interagerar med formuläret, inklusive skrivrytm, markörrörelsemönster, hur länge de pausar i varje fält och om de tabbar mellan inmatningar eller klickar. Människor fyller i formulär på unika, inkonsekventa sätt.

Nätverks- och hastighetsanalys

Detta tittar på IP-adress, anslutningstyp och om signaler klustras på ett misstänkt sätt. Tusen registreringar från samma /24-undernät (en vanlig nätverkskonfiguration) under 20 minuter är en uppenbar signal, men ett mer finjusterat verktyg korrelerar enhetens fingeravtryck över kunder, så att det känner igen en enhet som har skapat bedrägliga konton på tre andra plattformar innan den når din.

Berikning av identitetssignaler

Detta korsrefererar inskickade data – som e-postadress, telefonnummer och fysisk adress – mot databaser med kända bedrägerimönster. Denna mekanism kontrollerar datapunkter som e-postdomänens ålder och om telefonnumret har figurerat i tidigare bedrägerinätverk.

Poängsättning i realtid

Dessa signaler matar en modell som returnerar en riskpoäng, vanligtvis 0–100 eller 0–1, innan kontot skrivs till din databas. Din plattform använder denna poäng för att godkänna, flagga för granskning eller begära utökad verifiering.

Vad bör du leta efter när du utvärderar verktyg för bekämpning av bedrägeri med nya konton?

Många företag tillhandahåller verktyg för bekämpning av bedrägeri med nya konton. Här är vad som skiljer bra verktyg från de som bara är tillräckliga:

Signalkvalitet och nätverksbredd

Ett verktyg som bara ser din trafik har en snäv syn på landskapet i stort. Men de som fungerar över många plattformar ackumulerar konsortiumsignaler. De har sett en enhet eller ett e-postmönster tidigare, även om du inte har gjort det. Fråga leverantörerna hur stort deras nätverk är, vilka branscher det täcker och om konsortiumdata är tillval eller automatiska.

Frekvens och hantering av falska positiva resultat

Att blockera en legitim användare vid registreringen kan bli dyrt eftersom du förlorar den kunden, och beroende på din kategori kanske du inte får tillbaka kunden. Fråga efter andelen falska positiva resultat för olika trafiktyper (t.ex. mobil, internationell, användare av virtuella privata nätverk [VPN]); du vill ha mer än bara aggregerade siffror. Fråga sedan hur verktyget hanterar gränsfall, om det är möjligt att bygga regler för undantag eller om modellen är sluten.

Transparens

När ett konto flaggas måste ditt team förstå varför. ”Hög riskpoäng” är för generiskt. Effektiva verktyg visar nyckelsignalerna tydligt så att analytiker kan fatta välgrundade beslut och förbättra dina regler över tid.

Eskaleringsintegration

Verktygen bör integrera smidigt med din stack för eskalerad verifiering, oavsett om det är ett flöde med engångslösenord (OTP), en leverantör för dokumentverifiering eller en manuell granskningskö. Fråga hur överlämningen fungerar, vem som underhåller den och vad som händer när din leverantör av eskalerad verifiering ligger nere.

Rapportering och återkopplingsslingor

Om det inte finns någon återkopplingsslinga som låter dig markera bekräftat bedrägeri eller falska positiva resultat och låta det påverka modellen, kommer den att förlora sin kalibrering.

Hur påverkar integrations- och driftsättningsbeslut ditt val av verktyg för bekämpning av bedrägeri med nya konton?

Hur du väljer att integrera påverkar din tidslinje, täckning och löpande underhåll mer än nästan någon annan faktor. Verktyg kan erbjuda två vägar: ett SDK på klientsidan, till exempel JavaScript för webb och ursprungliga programbibliotek för iOS och Android, eller ett API-anrop på serversidan. Effektiva konfigurationer använder båda.

Det här är vad du ska leta efter:

• Latens: Be om latenstal för 95:e till 99:e percentilen. Se till att du inte tittar på medelvärden, eftersom de kan dölja hur lång tid de långsammaste förfrågningarna tar. Det säkerställer att du fångar upp den långsammaste verkliga prestandan, inte bara genomsnittet.

• Mobiltäckning: Om många av dina registreringar sker via mobilappar, bekräfta att mobila SDK:er underhålls, uppdateras regelbundet och är konsekventa i signalkvalitet med webbversionen.

• Eskaleringströsklar: Avgör vem som styr logiken som bestämmer när man ska eskalera till högre verifiering. Om den finns i leverantörens plattform har du bytt ut flexibilitet mot bekvämlighet. Men om du kan definiera egna regler ovanpå riskpoängen behåller du kontrollen.

• Reservbeteende: Om din riskbedömningstjänst inte är tillgänglig behöver du en reservplan. Ditt registreringsflöde kan misslyckas och lämnas öppet, så att alla kommer igenom, eller så kan det misslyckas och lämnas stängt, så att alla blockeras. Vad du väljer beror på din risktolerans, men du måste känna till ditt standardbeteende och om du kan konfigurera det.

Hur väl presterar verktyg för bekämpning av bedrägeri med nya konton under verkliga attackförhållanden?

Att utvärdera ett bedrägeribekämpningsverktyg under normal trafik är enkelt. Det är svårare att veta hur det beter sig när någon försöker kringgå det.

Leta efter dessa funktioner för att skydda dig mot dynamiska attacker:

Adaptiv bedragardetektering

Sofistikerade bedrägerioprerationer testar dina försvar innan de lanserar en stor attack. De kan skapa ett litet antal konton för att sondera dina svagheter och sedan, beroende på vad de hittar, justera sina verktyg för att byta enhetsfingeravtryck, rotera proxyer eller sakta ned slutförandehastigheten för att imitera mänsklig timing. Fråga leverantörer hur modellen reagerar när angripare anpassar sig och hur snabbt den kalibreras om.

Täckning för headless-webbläsare och emulatorer

Headless-webbläsare och emulerade mobilenheter är standard i moderna bedrägeriverktygslådor. Fråga leverantörer hur deras enhetsintelligens hanterar dessa och om identifieringsgraden håller mot verktyg som Playwright, Puppeteer eller Android-emulatorer.

Genomströmning vid trafiktoppar

Fråga om bedömningstjänsten kan hålla jämna steg om din registreringsslutpunkt drabbas av 50 000 förfrågningar på fem minuter, eller om latensen kommer att försämras till den grad att du tappar synlighet.

Operativ support under en attack

Vissa leverantörer erbjuder ett dedikerat svarsteam när du är under attack, men andra kanske inte gör det. Se till att du vet vilket alternativ du köper innan du behöver det.

SLA:er för driftsäkerhet

En garanti på 99,9 % upptid låter starkt tills du inser att det motsvarar ungefär 8,7 timmars avbrott per år. Ett tillförlitligt servicenivåavtal (SLA) innehåller vanligtvis detaljer om planerade underhållsfönster och historisk incidentfrekvens, samt avtalsmässiga åtaganden.

Vilka säkerhets- och integritetskrav bör verktyg för bekämpning av bedrägeri med nya konton uppfylla?

Verktyg för bedrägeribekämpning behandlar en stor mängd känsliga data, vilket skapar en efterlevnadsyta. Här är vad du bör titta efter för att minimera efterlevnadskrav och den övergripande risken:

Dataminimering

Verktyget bör samla in vad det behöver och inget mer. Be om ett dataordlista som inkluderar vilka attribut som samlas in, var de lagras och hur länge de sparas. Lagringsperioder kan variera, och när du hanterar identitetsnära data är kortare bättre.

Geografisk datalagring

Om du verkar i EU måste du veta var data behandlas och lagras. Vissa leverantörer dirigerar alla signaler via amerikansk infrastruktur, medan andra erbjuder regional behandling. Detta påverkar din efterlevnadsposition enligt dataskyddsförordningen (GDPR).

Granskningsloggar

Du behöver ett fullständigt register över varje riskbeslut, inklusive vilka signaler som var närvarande, vilket betyg som returnerades och vilken åtgärd som vidtogs. Detta är viktigt för interna utredningar, regulatoriska förfrågningar och modellgranskning.

Leverantörens säkerhetsposition

System and Organization Controls (SOC) 2 Type II-certifiering är en grundnivå, inte en fördel. Fråga om frekvensen för penetrationstestning, policyer för hantering av säkerhetsbrister och hur leverantören hanterar en säkerhetsincident som involverar kunddata.

Hur genomför du ett proof of value för att jämföra verktyg för bekämpning av bedrägeri med nya konton?

Innan du bjuder in leverantörer, skriv ned de bedrägerimönster du vill fånga upp. Kör sedan parallella tester om möjligt. Genomför en skuggutvärdering där båda verktygen poängsätter samma trafik samtidigt, så att du har en direkt jämförelse att analysera. Att testa leverantör A i 30 dagar och sedan leverantör B i 30 dagar jämför inte samma bedrägerimiljö.

Titta sedan på dessa mätvärden:

Identifieringsgrad för bekräftat bedrägeri

Detta kräver en märkt datamängd eller en retroaktiv granskningsperiod. Om du inte har någon, bygg den innan utvärderingen börjar – annars mäter du leverantörens övertygelse istället för leverantörens träffsäkerhet.

Andel falska positiva för legitima registreringar

Mät detta per trafiksegment, inte aggregerat. Ett verktyg som presterar bra totalt sett kan ha en hög andel falska positiva för internationella mobilregistreringar, vilket spelar stor roll om det är en tillväxtmarknad för dig.

Konverteringspåverkan

Följ vilken andel av riktiga användare som stöter på ett upptrappat flöde och hur många som hoppar av. Friktion har en kostnad, och ett verktyg med något lägre identifieringsgrad men väsentligt bättre konvertering kan vara rätt beslut beroende på ditt företag.

Involvera ditt driftsteam i bedömningsprocessen. Det teamet berättar saker som en teknisk utvärdering missar, till exempel om gränssnittet håller under press, om resonemanget är tillräckligt tydligt för att fatta snabba beslut, eller om återkopplingsloopen fungerar i praktiken.

Hur Stripe Radar kan hjälpa till

Stripe Radar använder AI-modeller som tränats på data från Stripes globala nätverk och uppdateras kontinuerligt baserat på de senaste bedrägeritrenderna, vilket skyddar ditt företag när bedrägerierna utvecklas.

Stripe erbjuder även Radar for Fraud Teams, som gör det möjligt för användare att lägga till anpassade regler som hanterar bedrägeriscenarier för just deras företag och få tillgång till avancerade bedrägeriinsikter.
Radar kan hjälpa ditt företag att:

• Förhindra bedrägeriförluster: Stripe hanterar över 1 biljon USD i betalningar årligen. Denna omfattning gör det möjligt för Radar att på ett korrekt sätt upptäcka och förhindra bedrägerier, vilket sparar pengar.

• Öka intäkterna: Radars AI-modeller är tränade på verkliga tvistdata, kundinformation, webbläsardata etc. Detta gör att Radar kan identifiera riskabla transaktioner och minska falska positiva resultat, vilket ökar dina intäkter.

• Spara tid: Radar är inbyggt i Stripe och kan konfigureras med noll kodrader. Du kan också övervaka din bedrägeriprestanda, skriva regler och annat på en enda plattform, vilket ökar effektiviteten.

Läs mer om Stripe Radar eller börja idag.