Fingerprint ने Fraud Score लॉन्च किया; ग्राहक परीक्षण में लगभग 50% अधिक धोखाधड़ी का पता चलने की रिपोर्ट

Fingerprint ने Fraud Score लॉन्च किया है। यह धोखाधड़ी का पूर्वानुमान लगाने वाला एक संकेत है, जो डिवाइस संबंधी जानकारी को हर ग्राहक के अपने धोखाधड़ी-संबंधी नतीजों के आधार पर प्रशिक्षित मशीन लर्निंग मॉडलों के साथ जोड़ता है। कंपनी का कहना है कि आमने-सामने के मूल्यांकन में इस उत्पाद ने एक ग्राहक के मौजूदा आंतरिक मॉडल की तुलना में लगभग 50% अधिक धोखाधड़ी पकड़ी और वैध उपयोगकर्ताओं को रोके जाने की संख्या में कोई बढ़ोतरी नहीं हुई।

यह लॉन्च जोखिम प्रबंधन टीमों की एक जानी-पहचानी समस्या का समाधान करता है: संकेत जुटाना आसान है, लेकिन उनसे विश्वसनीय निर्णय लेना कठिन। कई खातों से जुड़ा कोई डिवाइस प्रचार के दुरुपयोग का संकेत हो सकता है, जबकि किसी स्थापित खाते में प्रवेश की कोशिश कर रहा अपरिचित डिवाइस अलग तरह की जाँच की वजह बन सकता है। Fraud Score को किसी संगठन के वास्तविक उपयोगकर्ताओं, ट्रैफ़िक और पुष्ट नतीजों से ये अंतर सीखने के लिए तैयार किया गया है।

धोखाधड़ी का पता लगाने में दर्ज बढ़ोतरी क्या दर्शाती है

Fingerprint का प्रमुख नतीजा एक ग्राहक के आंतरिक मॉडल के साथ की गई तुलना से जुड़ा है। कंपनी का कहना है कि वैध उपयोगकर्ताओं को रोके जाने की समान दर पर Fraud Score ने लगभग 50% अधिक धोखाधड़ी का पता लगाया। यह दूसरी शर्त अहम है: कोई सिस्टम अधिक ट्रैफ़िक अस्वीकार करके भी अधिक संदिग्ध गतिविधि पकड़ सकता है, लेकिन ऐसा करने से वास्तविक ग्राहक भी दूर हो सकते हैं।

यह नतीजा एक ग्राहक के आंतरिक मॉडल के साथ आमने-सामने की तुलना से आया है। इससे पता चलता है कि वैध उपयोगकर्ताओं को रोके जाने की दर स्थिर रखते हुए उस व्यवसाय के धोखाधड़ी के पैटर्न से सीखना कितना उपयोगी है।

यह बढ़ोतरी पता लगाई गई अतिरिक्त धोखाधड़ी को मापती है। इसका वित्तीय मूल्य संबंधित लेन-देन और इस बात पर निर्भर करता है कि व्यवसाय हर पूर्वानुमान का उपयोग कैसे करता है।

धोखाधड़ी की अलग-अलग समस्याओं के लिए अलग मॉडल

Fraud Score की मुख्य डिज़ाइन विशेषता यह है कि वह धोखाधड़ी के प्रकार के अनुसार पूर्वानुमान को विशिष्ट बनाता है। Fingerprint अपने समर्थित लक्ष्यों में भुगतान धोखाधड़ी, खाता अधिग्रहण, कई खाते बनाना, नकली खाते बनाना, प्रचार का दुरुपयोग, प्लेटफ़ॉर्म का दुरुपयोग और सामग्री का दुरुपयोग शामिल करता है।

ये श्रेणियाँ अलग-अलग व्यवहारों और व्यावसायिक लागतों को दर्शाती हैं। भुगतान धोखाधड़ी का मॉडल किसी विक्रेता को ऑर्डर का आकलन करने में मदद कर सकता है, जबकि प्रचार के दुरुपयोग का मॉडल कई खातों के ज़रिए किसी ऑफ़र का बार-बार दावा करने की कोशिशों की पहचान कर सकता है। खाता अधिग्रहण की कार्यप्रणाली का उद्देश्य अलग है: वैध खाताधारक को बेवजह बाधित किए बिना अनधिकृत पहुँच का पता लगाना।

ग्राहकों के नतीजे प्रशिक्षण के लिए प्रतिक्रिया देते हैं। हर संगठन से अपना पूर्वानुमान तंत्र बनाने और चलाने को कहने के बजाय, Fingerprint मॉडल का प्रशिक्षण और रखरखाव संभालता है तथा अपने डिवाइस संकेतों को व्यवसाय द्वारा दिए गए लेबल के साथ जोड़ता है। ग्राहक का ट्रैफ़िक और धोखाधड़ी के पैटर्न बदलने पर नए नतीजों का उपयोग आगे के पुनःप्रशिक्षण में किया जाता है।

इसलिए प्रतिक्रिया की गुणवत्ता महत्वपूर्ण है। पुष्ट नतीजों पर प्रशिक्षित मॉडल को संदिग्ध घटनाओं की बिना किसी भेद वाली सूची पर प्रशिक्षित मॉडल की तुलना में अधिक उपयोगी मार्गदर्शन मिलता है। यदि किसी संगठन के लेबल अधूरे या असंगत हैं, तो उनसे मिले पूर्वानुमानों में भी ये सीमाएँ झलक सकती हैं।

डिवाइस संबंधी जानकारी खाते से परे संदर्भ देती है

Fingerprint का डिवाइस संबंधी जानकारी देने वाला प्लेटफ़ॉर्म स्थायी पहचान को वेब और मोबाइल गतिविधि के संदर्भगत संकेतों के साथ जोड़ता है। इसकी भूमिका व्यवसायों को अलग-अलग सत्रों की गतिविधि को जोड़ने और ऐसे पैटर्न की जाँच करने में मदद करना है, जो केवल खाते के विवरण से सामने नहीं आ सकते।

कंपनी की Smart Signals संकेत-सूची में स्वचालन, ब्राउज़र में छेड़छाड़, वर्चुअल मशीन, प्रॉक्सी, VPN और डिवाइस पर असामान्य रूप से अधिक गतिविधि के संकेत शामिल हैं। ये संकेत विश्लेषण के लिए संदर्भ देते हैं; केवल गोपनीयता टूल का इस्तेमाल या अपरिचित परिवेश धोखाधड़ी की मंशा साबित नहीं करता।

Fraud Score इस जानकारी में ग्राहक के डेटा पर प्रशिक्षित पूर्वानुमान की एक परत जोड़ता है। किसी परिवेश को पहचानने और उस परिवेश के पैटर्न किसी खास व्यवसाय के धोखाधड़ी-संबंधी नतीजों से कैसे जुड़े हैं, इसका आकलन करने में अंतर है। टीमें पूर्वानुमानों का सीधे उपयोग कर सकती हैं या उन्हें अन्य जानकारी के साथ अपनी मौजूदा निर्णय प्रणाली में शामिल कर सकती हैं।

यह तरीका पहले से दुरुपयोग से जुड़े पहचानकर्ता को रोकने से भी आगे जाता है। प्रशिक्षित मॉडल उन संकेतों के मेल की पहचान कर सकता है जो पिछले मामलों से जुड़े थे, जिससे व्यवसाय को अगला लेन-देन पूरा होने से पहले मिलते-जुलते व्यवहार पहचानने में मदद मिल सकती है।

डैशबोर्ड, API और S3 के ज़रिए प्रतिक्रिया चक्र

Fingerprint की लॉन्च सामग्री के अनुसार, ग्राहक उसके डैशबोर्ड, API या S3 के ज़रिए धोखाधड़ी-संबंधी नतीजे दे सकते हैं। वे लेबल प्रबंधित कर सकते हैं और मॉडल के प्रदर्शन का विश्लेषण कर सकते हैं, जबकि पूर्वानुमान Fingerprint के API जवाबों के ज़रिए दिए जाते हैं।

यह संरचना जोखिम प्रबंधन की मौजूदा कार्यप्रणालियों के अनुकूल है। कोई निर्णय इंजन अन्य जाँचों के साथ इस पूर्वानुमान का उपयोग करके किसी कार्रवाई को मंज़ूरी दे सकता है, अतिरिक्त सत्यापन माँग सकता है या समीक्षा के लिए भेज सकता है।

लगातार पुनःप्रशिक्षण का उद्देश्य सेवा को बदलते दुरुपयोग के प्रति उत्तरदायी बनाना है। प्रतिक्रिया चक्र फिर भी इस बात पर निर्भर करता है कि किसी घटना के बाद संगठन क्या सीखता है—इसमें वे नतीजे भी शामिल हैं जो शायद बाद में ही स्पष्ट हों। इसलिए समय के साथ मॉडल के प्रदर्शन की निगरानी करना सिस्टम को चलाने का एक हिस्सा बना रहता है।

Flink केवल विज़िटर आईडी रोकने से अधिक क्यों चाहता था

इस घोषणा में Flink का एक बयान भी शामिल है। उसके प्रमुख सॉफ्टवेयर इंजीनियर David Fennessey ने कहा कि अधिक परिष्कृत दुरुपयोग को रोकने के लिए केवल विज़िटर आईडी ब्लॉक करना पर्याप्त नहीं था। उन्होंने बताया कि भविष्य में दुरुपयोग रोकने में मदद के लिए, ऑर्डर दिए जाने से पहले ही, Flink ने Fingerprint के साथ मिलकर ऐसा मॉडल तैयार किया जो Flink के आंतरिक धोखाधड़ी विश्लेषण पर आधारित है।

Flink का अनुभव इस सेवा के पीछे के सहयोग को दर्शाता है: कंपनी अपना आंतरिक धोखाधड़ी विश्लेषण साझा करती है और Fingerprint उस फ़ीडबैक का उपयोग करके उसके दुरुपयोग के तौर-तरीकों के अनुरूप मॉडल तैयार करता है और उसे बनाए रखता है।

Fraud Score में ज़ोर अलग-अलग संकेतों और नियमों को बनाए रखने से हटकर, किसी व्यवसाय के अपने नतीजों से सीखने पर जाता है। Fingerprint मॉडल को प्रशिक्षित और फिर से प्रशिक्षित करता है, जबकि धोखाधड़ी से निपटने वाली टीमें यह तय करने का नियंत्रण अपने पास रखती हैं कि पूर्वानुमानों को अपने निर्णयों में कैसे शामिल करना है। यह उत्पाद Fingerprint के Fraud Score पृष्ठ पर उपलब्ध है।