Вопросы и ответы о службе

В этой статье приведены ответы на часто задаваемые вопросы о службе защиты от мошенничества Microsoft Dynamics 365.

Какие типы мошенничества предназначены для устранения рисков?

Защита от мошенничества предлагает решения через три канала: защита покупок, защита учетных записей и предотвращение потери. Защита покупок сделок с мошенничеством с оплатой, защита учетных записей сделок с входом и созданием мошенничества с учетной записью, а также предотвращение потери помогает продавцам выявлять и исследовать аномальное поведение на точке продажи (POS) терминалов.

Какую методологию использует защита от мошенничества для оценки транзакций и как она работает?

Защита от мошенничества позволяет своим клиентам внедрять технологию отпечатков пальцев устройств для защиты от мошенничества в своих веб-интерфейсах и мобильных пользователей, а также вызывать API оценки мошенничества защиты от мошенничества с помощью конкретных сведений о событии. Затем клиенты получают оценку вероятности риска и коды причин от защиты от мошенничества. Например, во время потока покупки клиент защиты от мошенничества может внедрить отпечатки пальцев устройства на странице проверка out и всякий раз, когда пользователь выбирает кнопку подтверждения покупки. API оценки рисков защиты от мошенничества для покупки можно вызвать с помощью сведений о покупке, таких как пользователь, который делает покупку, сведения о приобретенных товарах и тип используемого метода оплаты. Модели машинного обучения защиты от мошенничества используют сведения о покупке, сведения об отпечатках пальцев устройства и данные из сети защиты от мошенничества для создания оценки и кодов причин, представляющих вероятность того, что покупка является мошеннической попыткой.

Хотя защита от мошенничества предоставляет оценку риска, клиенты принять окончательное решение о том, следует ли продолжить покупку транзакции. Это решение можно принять с помощью правил, которые клиенты настраивают в механизме принятия решений по защите от мошенничества.

Какие возможности и алгоритмы машинного обучения встроены в систему защиты от мошенничества?

Защита от мошенничества использует расширенный тип машинного обучения (ML), который известен как адаптивный искусственный интеллект (Адаптивный ИИ), чтобы точно различать мошенничества и законные транзакции. Этот метод использует атрибуты данных в режиме реального времени из глобальной сети подключенных коммерческих данных, скомпилированных от всех клиентов, использующих эту службу, включая собственные предприятия Майкрософт. Эти данные содержат ценные сведения о том, как случаи мошенничества связаны по всему миру с точки зрения таких сущностей, как устройства, продукты и IP-адреса. Алгоритмы машинного обучения затем используют специализированные механизмы быстрого переобучения и многослойные модели, которые используют эти информативные ранние сигналы о новых эволюционированных атаках мошенничества, чтобы помочь "иммунизировать" членов сети до того, как новая атака мошенничества достигнет их. Корпорация Майкрософт также использует новейшие методы моделирования машинного обучения, включая глубокое, полузащищенное обучение и предоставляет понятные объяснения для каждой оценки рисков машинного обучения.

Какие типы данных должны предоставлять торговцам защиту от мошенничества для эффективного анализа мошенничества?

API покупки в основном собирает атрибуты данных, которые включают контекст транзакции (например, тип заказа и канал, инициированный заказом), время транзакции (например, локальное время клиента), сведения о пользователе (например, идентификатор учетной записи, адрес электронной почты, страна или регион и дата создания), сведения о инструменте оплаты (например, идентификатор платежного инструмента, метод оплаты, банковский идентификационный номер [BIN], а также адрес выставления счетов). сведения о продукте (например, тип продукта, единица хранения акций [SKU], имя, цена и количество), сведения об устройстве (например, IP-адрес и идентификатор контекста устройства) и некоторые дополнительные сведения.

API-интерфейсы PurchaseStatus, BankEvent и Label собирают соответствующие сведения о обратной связи, чтобы обновить окончательное состояние транзакции.

Подробный список API см. в разделе "Пользовательский интерфейс Swagger".

Какие функции отчетности и аналитики предлагают защиту от мошенничества вне поля? Каковы основные функции отчетов?

Аналитика включает общие тенденции, распределение показателей и производительность модели в определенных типах транзакций. Отчеты предоставляются в продукте с помощью встроенных панелей мониторинга Power BI, которые позволяют пользователям просматривать производительность в системе для защиты покупок, защиты учетных записей и предотвращения потери. Тенденции ключевых показателей эффективности (КПЭ) отображаются в предварительно созданных отчетах. Кроме того, мы работаем со всеми нашими клиентами, чтобы обеспечить соответствие или предоставление средств для предоставления любых других необходимых возможностей отчетности.

Как система или служба защиты от мошенничества масштабируется для удовлетворения растущих потребностей транзакций? Какие проверенные возможности используются для обработки высоких уровней транзакций в клиентской базе защиты от мошенничества?

Защита от мошенничества основана на облачной платформе Microsoft Azure и преимуществах той же масштабируемости облака, что и Azure, которая предоставляет всем своим клиентам. Помимо внешних клиентов, защита от мошенничества обрабатывает масштаб собственного бизнеса Майкрософт в течение нескольких лет и не сталкивается с проблемами масштабирования.

Дополнительные ресурсы

Вопросы и ответы по юридическим вопросам

Вопросы о конфиденциальности и безопасности

Вопросы и ответы по месту размещения данных

Вопросы и ответы по соответстви