Plataformas de pago
Los ataques de prueba de tarjetas se detectan con contadores de velocidad en segundos y se bloquean antes del siguiente intento.
Datos básicosFintechPlanes Performance y Scale
Detección de fraude en tiempo real
Puntúa cada pago en la ruta de la solicitud con contadores de velocidad, listas de elementos maliciosos conocidos, frecuencia de tarjetas y features del modelo, leídos de un solo servidor.
- señales por pago
- 4
- antes de la aprobación
- En la ruta
- memoria para listas de bloqueo
- Constante
Paso 1 de 5
Cuenta los intentos por tarjeta
Un contador por tarjeta y minuto, con una caducidad de un minuto tras el primer incremento.
Sesión de ejemploplaying
# Cuenta los intentos por tarjeta
hotkv> INCR velocity:card:4f1a:m
(integer) 7
Un recorrido animado con comandos reales de HotKV y respuestas de ejemplo. Haz clic en cualquier paso para saltar a él. Los comandos y las respuestas se quedan en inglés, tal como los escribes y los ves en HotKV.
El problema
Las comprobaciones de fraude tienen que hacerse antes de aprobar un pago, dentro del presupuesto de latencia de un checkout. Las señales que importan, como cuántos intentos hizo esta tarjeta en el último minuto o si este dispositivo está en una lista de bloqueo, son difíciles de calcular rápido desde una base de datos transaccional.
Cómo lo resuelve HotKV
HotKV mantiene las señales listas. Los contadores con caducidades cortas siguen la velocidad, un filtro Bloom responde si una tarjeta o un dispositivo es malicioso conocido, un Count-min sketch estima cuántas veces se ha usado una tarjeta a lo largo del día y el feature store sirve las entradas del modelo de riesgo. Un motor de reglas o un modelo las combina antes de que el pago se procese.
Paso a paso
Qué ocurre, comando a comando
- 01
Cuenta los intentos por tarjeta
Un contador por tarjeta y minuto, con una caducidad de un minuto tras el primer incremento.
INCR velocity:card:4f1a:m - 02
Consulta la lista de bloqueo
Un filtro Bloom de dispositivos maliciosos conocidos, con memoria constante.
BF.EXISTS blocked:devices dev:8812 - 03
¿Cuántas veces hoy?
Un Count-min sketch estima el uso de tarjetas entre millones de ellas sin un contador por tarjeta.
CMS.QUERY cards:today card:4f1a - 04
Features del modelo
Antigüedad de la cuenta, país habitual y cesta media para el modelo de riesgo.
FEATURE.GET risk_features account:42 - 05
Decide antes de cobrar
Velocidad alta en una cuenta de tres días. El pago se envía a revisión en lugar de al proveedor.
XADD fraud:review * card 4f1a account 42 score 0.91
Dónde encaja
Escenarios reales
Marketplaces
Las cuentas nuevas con cestas inusuales y los dispositivos de una lista de bloqueo se envían a revisión manual.
Promociones y referidos
El abuso de cupones se detecta contando los canjes por dispositivo y método de pago.
Integrado
Qué obtienes
Contadores de velocidad
INCR con una caducidad por franja de tiempo, hasta precisión de nanosegundos.
INCREXPIRENEXPIREListas de bloqueo
Filtros Bloom para tarjetas, dispositivos y correos.
BF.ADDBF.EXISTSEstimaciones de frecuencia
Count-min sketches para el uso en espacios de claves enormes.
CMS.INCRBYCMS.QUERYFeatures del modelo
Features tipadas para el modelo de riesgo.
FEATURE.GETPreguntas frecuentes
¿Puede un filtro Bloom bloquear a un buen cliente?
Puede dar un falso positivo con la tasa de error que configures, así que úsalo para activar comprobaciones adicionales en lugar de un rechazo directo.
¿Dónde se ejecutan las reglas?
En tu propio servicio. HotKV proporciona las señales rápido para que tus reglas o tu modelo decidan dentro del presupuesto de latencia del checkout.
¿Qué planes lo incluyen?
Los contadores y las estructuras probabilísticas funcionan en todos los planes. El feature store forma parte de los planes Performance y Scale.
Casos de uso relacionados
Pruébalo con tu propia carga de trabajo
HotKV habla el protocolo de Redis, así que puedes apuntar un cliente que ya usas hacia él y ejecutar estos mismos comandos.