クレジットカードやデビットカードの詐欺は、悪意のある行為者が不正に入手したカード情報を使用して不正な購入を行うもので、オンライン詐欺の最も一般的な形態の1つであり、毎年数十億ドルの損害を引き起こしています。

しかし、この種の詐欺に関連する損失は通常、消費者が発行者に異議を申し立てた場合、主要なカードネットワークが不正な取引の取り消しを容易にするため、消費者には転嫁されません - これらは通常「チャージバック」と呼ばれます。

クレジットカード発行者はカードに関連する責任の大部分を負うため、毎日処理される膨大な量のカード取引を監視し、不審で最終的な取り消しリスクをもたらす取引をフィルタリングするためのツールと技術を実装することに強い関心を持っています。

発行者としてのカード取引詐欺の防止は、通常、取引に関連する数百のシグナル（カードが物理的に使用されているかオンラインで使用されているか、課金の場所と金額、問題の加盟店に関連する過去の詐欺頻度など）で訓練された機械学習モデルと、基本的な詐欺パターンを捕捉するために調整された静的なルールセット（例：カードが高額商品の購入に使用され、その商品が消費者が通常使用する配送先住所から遠く離れた場所に配送される場合など）の組み合わせによって行われます。

​
Sardineはどのように支援できますか？

Sardineは、オンラインまたはオフラインでの特定のカード購入のリスクを評価するために、過去のカード取引および詐欺データで訓練された「発行リスク」特有の機械学習モデルを開発しました。

このモデルは、Sardineの独自のノーコードルールエンジンと組み合わせることで、詳細で複雑なパターンを検出し、時間とともに調整して検出精度を向上させ、悪い取引を停止しながら良い取引を許可する最適なトレードオフを提供することができます。

​
次のステップ

お問い合わせしてデモのスケジュールを設定し、統合ガイドとAPIドキュメントにアクセスしてください。