A fraude de cartão de crédito e débito, na qual um ator malicioso utiliza credenciais de cartão comprometidas para fazer compras não autorizadas, é uma das formas mais comuns de fraude online e causa bilhões de dólares em danos todos os anos. As perdas associadas a esse tipo de fraude, no entanto, geralmente não são repassadas ao consumidor, já que as principais redes de cartões facilitam a reversão de transações não autorizadas se o consumidor contestá-las com o emissor - essas são geralmente chamadas de “chargebacks”. Como os emissores de cartões de crédito absorvem grande parte da responsabilidade associada aos cartões, eles têm um interesse investido em implementar as ferramentas e tecnologias para monitorar as vastas quantidades de transações de cartão processadas diariamente, e filtrar aquelas que parecem suspeitas e representam um eventual risco de reversão. Prevenir fraudes de transações de cartão como emissor geralmente é feito através de uma combinação de modelos de aprendizado de máquina que são treinados em centenas de sinais relacionados à transação (por exemplo, se o cartão está sendo usado fisicamente ou online, localização e valor da cobrança, a frequência histórica de fraudes associada ao comerciante em questão, etc.) e conjuntos de regras estáticas que são ajustadas para capturar padrões básicos de fraude (por exemplo, o cartão é usado para comprar bens de alto valor que estão sendo enviados para um local que está longe do endereço de envio normalmente usado para aquele consumidor).Documentation Index
Fetch the complete documentation index at: https://docs.sardine.ai/llms.txt
Use this file to discover all available pages before exploring further.
Risco de Gastos com Cartão