신용 카드 사기는 소비자에게 4 달러가 든다. 연간 8 십억 달러, 상인 1 년에 1 천 900 억 달러. 공정 신용 청구 법 (FCBA)은 승인되지 않은 카드 거래에 대한 소비자 책임을 $ 50로 제한합니다. 신용 카드 회사는 나머지를 충당해야하므로 이러한 기관은 사기를 추적하고 사기에 적극적으로 투자합니다. 이를 위해 사기를 탐지하고 처리하기위한 고도의 도식 및 복잡한 절차를 수행합니다. 다음은 세 가지 주요 방법입니다.

패턴을 보는 회사

신용 카드 회사는 구매의 유효성을 결정하는 시스템을 통해 지출 패턴을 추적합니다. 고액 또는 비정상적인 인수로 패턴이 깨지거나 집 밖에서 행해진 거래가있을 때마다 회사는이를 메모하고 경고합니다. 또한 이전보다 많은 트랜잭션을 기록한 경우 및 전자 상거래 트랜잭션이 변경된 IP 주소를 사용하는 경우와 같이 빈도가 변경된 것으로 나타났습니다. 도둑은 더 작은 거래가 점점 커지면서 신용 카드를 테스트하는 경향이 있습니다. 신용 카드 회사는 그러한 패턴을 발견하면 경고합니다.

귀하의 지원을 이용하는 회사

신용 카드 도용 사례가 하나 이상보고되었을 수 있습니다. 신용 카드 회사는 하나 이상의 카드에서 유사한 청구액을 확인하고이를 확인하도록 요청함으로써 후속 조치를 취합니다. 도둑은 다른 이름으로 사기에 가담했을 수도 있고, 다른 해커가 동일하거나 유사한 사기를 저지르고있을 수도 있습니다.

기술 알고리즘을 채용 한 회사

신용 카드 회사는 사기를 막기 위해 매우 정교한 기술 알고리즘 시스템을 사용합니다. 여기에는 은행이 공동 구매를 연결하고 아웃 라이어 인수를 트랩하는 클러스터링, 평균화, 여기서 은행은 귀하의 전형적인 구매 행동을 결정하기 위해 귀하의 구매 수단을 계산합니다; 은행은 지리, 시간, 사기 가능성 등의 범주에 따라 거래를 분류합니다.

표준 데이터 분석은 엔지니어가 클라우드 컴퓨팅 및 기계 학습과 같은 기술을 사용하여 이상을 탐지하는 빅 데이터 분석으로 발전했습니다. 신용 카드 회사들은 오탐 (false positive)을 제거하고 패턴을 탐지하기 위해 많은 데이터를 조사합니다. 컴퓨팅 시스템은 이러한 모든 데이터를 처리하기 위해 페타 바이트를 사용합니다. PayPal은 언제든지 1 억 6,900 만 고객 계정에 대해 1 페타 바이트의 데이터를 처리합니다. 이 처리량으로 인해 회사의 컴퓨팅 구조가 손상 될 수 있으므로 컴퓨터가 클라우드 컴퓨팅으로 전환하여 도움을받을 수 있습니다. 클라우드 컴퓨팅은 무한대의 데이터를 수용하기 위해 확장됩니다. 이렇게하면 신용 카드 회사가 더 많은 의심스러운 신호를 감지 할 수 있습니다.

신용 카드 회사는 기계 학습을 사용합니다. 컴퓨터 모델은 예측을 내리기 위해 일반적인 거래를 통해 교육받은 컴퓨터 모델을 사용합니다.기계 학습은 트랜잭션을 분석하고 신뢰도를 평가할 확률 수치를 생성합니다. 이 프로세스는 가맹점이 적시에 사기를 감지 할 수 있도록 도와주기 때문에 계산원이 신용 카드를 거부하면 POS 시스템이 거래를 거부하도록 경고 한 사기 확률 점수가 높을 가능성이 큽니다.

주요 고려 사항

PCI 보안 표준 협의회는 귀하의 계정 데이터 보호를위한 보안 표준을 향상시키는 데 전념하고 있습니다. 신용 카드를 처리하는 판매자는 1 년에 한 번 보안 감사를 받아야하며 칩 및 핀 기술은 사기를 탐지하기 위해 나온 많은 새로운 IT 시스템 중 하나 일뿐입니다. 그러나 젬 알토 (Gemalto)의 2014 년 위반 등급 지수에 따르면 신용 카드 사기는 계속해서 증가하여 2014 년에는 전 세계적으로 1,540 건의 위반이 발생합니다.

신용 카드 회사는 사기를 가라 앉히기 위해 다양한 방법을 시도합니다. 여기에는 비정상적인 패턴을 탐지하기위한 전통적 및 최근의 대용량 데이터 분석이 포함됩니다. 데이터는 미국에서 적어도 매년 평균 사기 비율이 낮아지고 있음을 보여줍니다. 예를 들어, 신용 카드를 사용하는 사기범은 2013 년에 1300 만 명의 미국 소비자로부터 180 억 달러를 훔쳤습니다.이 숫자는 2014 년에 1,600 억 달러로 감소했습니다.