Platformy płatnicze
Ataki testowania kart są wychwytywane przez liczniki częstotliwości w kilka sekund i blokowane przed kolejną próbą.
Dane podstawoweFintechplany Performance i Scale
Wykrywanie oszustw w czasie rzeczywistym
Oceniaj każdą płatność na ścieżce żądania za pomocą liczników częstotliwości, list znanych nadużyć, częstotliwości użycia kart i cech modelu, odczytywanych z jednego serwera.
- sygnały na płatność
- 4
- przed zatwierdzeniem
- Na ścieżce
- pamięć dla list blokad
- Stała
Krok 1 z 5
Zliczaj próby na kartę
Jeden licznik na kartę na minutę, z minutowym czasem wygaśnięcia nadanym po pierwszym zwiększeniu.
Przykładowa sesjaplaying
# Zliczaj próby na kartę
hotkv> INCR velocity:card:4f1a:m
(integer) 7
Animowany przegląd z prawdziwymi poleceniami HotKV i przykładowymi odpowiedziami. Kliknij dowolny krok, aby do niego przejść. Polecenia i odpowiedzi pozostają po angielsku, dokładnie tak, jak je wpisujesz i widzisz w HotKV.
Problem
Kontrole oszustw muszą odbyć się przed zatwierdzeniem płatności, w budżecie opóźnienia zamówienia. Istotne sygnały, jak liczba prób tej karty w ostatniej minucie albo to, czy to urządzenie jest na liście blokad, trudno szybko obliczyć z transakcyjnej bazy danych.
Jak radzi sobie z tym HotKV
HotKV trzyma sygnały w gotowości. Liczniki z krótkim czasem wygaśnięcia śledzą częstotliwość, filtr Blooma odpowiada, czy karta lub urządzenie jest znane jako złe, szkic Count-min szacuje, jak często karta była użyta w ciągu dnia, a feature store serwuje wejścia modelu ryzyka. Silnik reguł lub model łączy je, zanim płatność przejdzie.
Krok po kroku
Co się dzieje, polecenie po poleceniu
- 01
Zliczaj próby na kartę
Jeden licznik na kartę na minutę, z minutowym czasem wygaśnięcia nadanym po pierwszym zwiększeniu.
INCR velocity:card:4f1a:m - 02
Sprawdź listę blokad
Filtr Blooma znanych złych urządzeń w stałej pamięci.
BF.EXISTS blocked:devices dev:8812 - 03
Jak często dziś?
Szkic Count-min szacuje użycie kart wśród milionów kart bez licznika na każdą kartę.
CMS.QUERY cards:today card:4f1a - 04
Cechy modelu
Wiek konta, zwykły kraj i średni koszyk dla modelu ryzyka.
FEATURE.GET risk_features account:42 - 05
Zdecyduj przed obciążeniem
Wysoka częstotliwość na koncie sprzed trzech dni. Płatność trafia do przeglądu zamiast do dostawcy.
XADD fraud:review * card 4f1a account 42 score 0.91
Gdzie się sprawdza
Scenariusze z życia
Marketplace
Nowe konta z nietypowymi koszykami i urządzenia z listy blokad trafiają do ręcznego przeglądu.
Promocje i polecenia
Nadużycia kuponów są wychwytywane przez zliczanie realizacji na urządzenie i metodę płatności.
Wbudowane
Co dostajesz
Liczniki częstotliwości
INCR z czasem wygaśnięcia na przedział czasowy, z precyzją do nanosekundy.
INCREXPIRENEXPIREListy blokad
Filtry Blooma dla kart, urządzeń i adresów e-mail.
BF.ADDBF.EXISTSSzacunki częstotliwości
Szkice Count-min dla użycia w ogromnych przestrzeniach kluczy.
CMS.INCRBYCMS.QUERYCechy modelu
Typowane cechy dla modelu ryzyka.
FEATURE.GETCzęste pytania
Czy filtr Blooma może zablokować dobrego klienta?
Może zgłosić wynik fałszywie pozytywny z częstością błędów, którą skonfigurujesz, więc używaj go do wywołania dodatkowych kontroli, a nie twardej odmowy.
Gdzie działają reguły?
W Twojej usłudze. HotKV szybko dostarcza sygnały, aby Twoje reguły lub model mogły zdecydować w budżecie opóźnienia zamówienia.
Które plany to zawierają?
Liczniki i struktury probabilistyczne działają w każdym planie. Feature store jest częścią planów Performance i Scale.
Powiązane przypadki użycia
Wypróbuj na własnym obciążeniu
HotKV mówi protokołem Redis, więc możesz skierować na niego istniejącego klienta i uruchomić te same polecenia.