Zahlungsplattformen
Card-Testing-Angriffe werden von Velocity-Zählern innerhalb von Sekunden erkannt und vor dem nächsten Versuch blockiert.
KerndatenFintechPerformance- und Scale-Tarife
Betrugserkennung in Echtzeit
Bewerten Sie jede Zahlung im Anfragepfad mit Velocity-Zählern, Sperrlisten, Kartenhäufigkeit und Modell-Features, gelesen von einem Server.
- Signale pro Zahlung
- 4
- vor der Freigabe
- Im Pfad
- Speicher für Sperrlisten
- Konstanter
Schritt 1 von 5
Versuche pro Karte zählen
Ein Zähler pro Karte und Minute, der nach dem ersten Inkrement eine Ablaufzeit von einer Minute erhält.
Beispielsitzungplaying
# Versuche pro Karte zählen
hotkv> INCR velocity:card:4f1a:m
(integer) 7
Ein animierter Durchlauf mit echten HotKV-Befehlen und Beispielantworten. Klicken Sie auf einen Schritt, um direkt dorthin zu springen. Befehle und Antworten bleiben auf Englisch, genau so, wie Sie sie in HotKV eingeben und sehen.
Das Problem
Betrugsprüfungen müssen stattfinden, bevor eine Zahlung freigegeben wird, und zwar im Latenzbudget eines Checkouts. Die entscheidenden Signale, etwa wie viele Versuche diese Karte in der letzten Minute unternommen hat oder ob dieses Gerät auf einer Sperrliste steht, lassen sich aus einer Transaktionsdatenbank nur schwer schnell berechnen.
So löst HotKV es
HotKV hält die Signale bereit. Zähler mit kurzer Ablaufzeit erfassen die Velocity, ein Bloom-Filter beantwortet, ob eine Karte oder ein Gerät als betrügerisch bekannt ist, ein Count-min-Sketch schätzt, wie oft eine Karte im Laufe des Tages verwendet wurde, und der Feature-Store liefert die Eingaben des Risikomodells. Eine Regel-Engine oder ein Modell kombiniert sie, bevor die Zahlung durchgeht.
Schritt für Schritt
Was passiert, Befehl für Befehl
- 01
Versuche pro Karte zählen
Ein Zähler pro Karte und Minute, der nach dem ersten Inkrement eine Ablaufzeit von einer Minute erhält.
INCR velocity:card:4f1a:m - 02
Die Sperrliste prüfen
Ein Bloom-Filter bekannter betrügerischer Geräte mit konstantem Speicher.
BF.EXISTS blocked:devices dev:8812 - 03
Wie oft heute?
Ein Count-min-Sketch schätzt die Kartennutzung über Millionen Karten hinweg, ohne einen Zähler pro Karte.
CMS.QUERY cards:today card:4f1a - 04
Modell-Features
Kontoalter, übliches Land und durchschnittlicher Warenkorb für das Risikomodell.
FEATURE.GET risk_features account:42 - 05
Vor der Belastung entscheiden
Hohe Velocity bei einem drei Tage alten Konto. Die Zahlung geht in die Prüfung statt an den Anbieter.
XADD fraud:review * card 4f1a account 42 score 0.91
Wo es passt
Szenarien aus der Praxis
Marktplätze
Neue Konten mit ungewöhnlichen Warenkörben und Geräte auf einer Sperrliste gehen in die manuelle Prüfung.
Aktionen und Empfehlungsprogramme
Gutscheinmissbrauch wird erkannt, indem Einlösungen pro Gerät und Zahlungsmethode gezählt werden.
Integriert
Was Sie bekommen
Velocity-Zähler
INCR mit einer Ablaufzeit pro Zeit-Bucket, bis hinunter zu Nanosekunden-Genauigkeit.
INCREXPIRENEXPIRESperrlisten
Bloom-Filter für Karten, Geräte und E-Mail-Adressen.
BF.ADDBF.EXISTSHäufigkeitsschätzungen
Count-min-Sketches für die Nutzung über riesige Key-Räume.
CMS.INCRBYCMS.QUERYModell-Features
Typisierte Features für das Risikomodell.
FEATURE.GETHäufige Fragen
Kann ein Bloom-Filter einen guten Kunden blockieren?
Er kann mit der von Ihnen konfigurierten Fehlerrate ein falsch positives Ergebnis melden. Nutzen Sie ihn daher, um zusätzliche Prüfungen auszulösen, statt hart abzulehnen.
Wo laufen die Regeln?
In Ihrem eigenen Dienst. HotKV liefert die Signale schnell, damit Ihre Regeln oder Ihr Modell innerhalb des Latenzbudgets des Checkouts entscheiden können.
Welche Tarife enthalten sie?
Zähler und probabilistische Strukturen funktionieren in jedem Tarif. Der Feature-Store ist Teil der Tarife Performance und Scale.
Verwandte Anwendungsfälle
Probieren Sie es mit Ihrer eigenen Workload
HotKV spricht das Redis-Protokoll, sodass Sie einen bestehenden Client darauf richten und genau diese Befehle ausführen können.