Plataformas de pagamento
Os ataques de teste de cartões são identificados pelos contadores de velocidade em segundos e bloqueados antes da próxima tentativa.
Dados essenciaisFintechPlanos Performance e Scale
Detecção de fraude em tempo real
Avalie cada pagamento no caminho da requisição com contadores de velocidade, listas de itens suspeitos, frequência de uso do cartão e features de modelo, lidos de um servidor.
- sinais por pagamento
- 4
- antes da aprovação
- No fluxo
- memória para listas de bloqueio
- Constante
Etapa 1 de 5
Conte as tentativas por cartão
Um contador por cartão por minuto, com expiração de um minuto definida após o primeiro incremento.
Sessão de exemploplaying
# Conte as tentativas por cartão
hotkv> INCR velocity:card:4f1a:m
(integer) 7
Uma demonstração animada com comandos reais do HotKV e respostas de exemplo. Clique em qualquer etapa para ir direto a ela. Os comandos e as respostas ficam em inglês, exatamente como você os digita e vê no HotKV.
O problema
As verificações de fraude precisam acontecer antes de um pagamento ser aprovado, dentro do orçamento de latência de um checkout. Os sinais que importam, como quantas tentativas este cartão fez no último minuto ou se este dispositivo está em uma lista de bloqueio, são difíceis de calcular rapidamente a partir de um banco de dados transacional.
Como o HotKV resolve
O HotKV deixa os sinais prontos. Contadores com expirações curtas acompanham a velocidade, um filtro Bloom responde se um cartão ou dispositivo já é conhecido como suspeito, um Count-min sketch estima quantas vezes um cartão foi usado ao longo do dia e o feature store serve as entradas do modelo de risco. Um motor de regras ou um modelo combina tudo antes de o pagamento ser processado.
Passo a passo
O que acontece, comando por comando
- 01
Conte as tentativas por cartão
Um contador por cartão por minuto, com expiração de um minuto definida após o primeiro incremento.
INCR velocity:card:4f1a:m - 02
Consulte a lista de bloqueio
Um filtro Bloom de dispositivos suspeitos, com memória constante.
BF.EXISTS blocked:devices dev:8812 - 03
Quantas vezes hoje?
Um Count-min sketch estima o uso de milhões de cartões sem um contador por cartão.
CMS.QUERY cards:today card:4f1a - 04
Features do modelo
Idade da conta, país habitual e cesta média para o modelo de risco.
FEATURE.GET risk_features account:42 - 05
Decida antes de cobrar
Alta velocidade em uma conta de três dias. O pagamento vai para revisão em vez de ir ao provedor.
XADD fraud:review * card 4f1a account 42 score 0.91
Onde se encaixa
Cenários reais
Marketplaces
Contas novas com cestas incomuns e dispositivos em uma lista de bloqueio são enviados para revisão manual.
Promoções e indicações
O abuso de cupons é detectado contando os resgates por dispositivo e por meio de pagamento.
Integrado
O que você ganha
Contadores de velocidade
INCR com expiração por intervalo de tempo, com precisão de até nanossegundos.
INCREXPIRENEXPIREListas de bloqueio
Filtros Bloom para cartões, dispositivos e e-mails.
BF.ADDBF.EXISTSEstimativas de frequência
Count-min sketches para o uso em espaços de chaves enormes.
CMS.INCRBYCMS.QUERYFeatures do modelo
Features tipadas para o modelo de risco.
FEATURE.GETPerguntas frequentes
Um filtro Bloom pode bloquear um bom cliente?
Ele pode indicar um falso positivo, na taxa de erro que você configurar, então use-o para disparar verificações extras em vez de uma recusa definitiva.
Onde rodam as regras?
No seu próprio serviço. O HotKV fornece os sinais rapidamente para que as suas regras ou o seu modelo decidam dentro do orçamento de latência do checkout.
Quais planos incluem o recurso?
Os contadores e as estruturas probabilísticas funcionam em todos os planos. O feature store faz parte dos planos Performance e Scale.
Casos de uso relacionados
Experimente com a sua própria carga de trabalho
O HotKV fala o protocolo Redis, então você pode apontar um cliente existente para ele e executar estes mesmos comandos.