Prevent Account Takeover Fraud | Nethone
nethone fraud ocean hero background

Você já sabe como reagir a danos por fraude de ATO. Mas, e se você pudesse impedi-lo mesmo de acontecer?

O módulo ATO pode deter o percurso de uma account takeover no momento de tentativa de login e fornecer à sua equipe explicações em formato legível para humanos dos modelos de ML.

Como se caracteriza um dano causado por fraude de ATO?

Decrease in sales
Dupla perda de vendas
O fraudador compra produtos através de contas de clientes legítimos, levando a chargebacks e perda de compras (recorrentes) do cliente real.
Fraudster
Propagação total
Perda de vendas, além disso, criminosos usam a informação da conta do seu cliente como base de operação para decodificar as outras contas de compras, bancos e mídias sociais.
Stolen CC
Resultado fatal
Fraudes discretas e de detecção difícil em um longo período de tempo. E/ou um criminoso fica apenas à espreita, estudando o perfil do cliente e esperando pela melhor ocasião para dar o golpe.

A solução é uma proteção sem atritos da conta do cliente com o módulo ATO

Fraudadores adoram usar ferramentas de automação para atacar contas de clientes, as quais, geralmente, são "protegidas" por senhas fracas. Talvez seja a hora de investir em uma proteção de ML potente e invisível para que seus clientes possam focar nas compras.

Machine learning projetada para as necessidades dos clientes.

Deep learning para extrair apenas os dados mais relevantes.

Os modelos de machine learning são atrelados cuidadosamente às necessidades do cliente e treinados com base nos dados de histórico do cliente (tanto web como móvel).
Nós trabalhamos com machine learning contextual, para que cada modelo seja treinado para um ambiente funcional. Por exemplo, um é treinado para dados do dispositivo e outro para biometria comportamental (algumas empresas antifraude trabalham com modelos ML em uma abordagem "one-size-fits-all").

Nethone dashboard example

Detecção e análise em tempo real

Reconhecimento imediato de usuário com o auxílio de análise gráfica

Em questão de segundos, nós reunimos informação sobre como um usuário se comporta no ambiente do cliente, informação esta que podemos utilizar no futuro. Nós comparamos a sessão do usuário com todas as sessões anteriores do usuário, tendo em vista mais de 5.000 atributos (a propósito, nem seus clientes nem mesmo seus agressores se apercebem.)
Um gráfico de redes é construído ao combinar transações utilizando valores de atributos compartilhados.

Nethone dashboard example

Recomendações compreensíveis

Sem soluções "caixa preta", somente IA explicável

Juntamente com a recomendação, nós fornecemos uma explicação legível para humanos dos resultados da ML em um lugar o painel Nethone.

Nethone dashboard example

Está mais fácil do que nunca adquirir contas roubadas

Verification
Nós estudamos a darknet durante todo o ano; existe uma grande comunidade de fraudadores que compartilham métodos e vendem credenciais por preços bastante baixos. Eles, inclusive, abriram lojas na internet indexada.
Behavioral data
Nós também analisamos o comportamento de fraudadores estudando suas táticas por engenharia reversa. Novas ferramentas úteis para ATO são lançadas a cada ano.
Mobile payments
Descobrimos que a clearnet e dispositivos móveis emergiram como novas tendências para ataques de ATO. Credenciais roubadas são extremamente baratas e vêm com tutoriais.
Phishing
Existem tantas opções para roubar dados de clientes: phishing, fraude de gift cards, dumps e violações de banco de dados, ataques man-in-the-middle...

Principais marcos da Nethone - siga nossa linha do tempo

Etapa 1
O usuário faz o login para o seu ambiente. Começa a contagem regressiva.
Etapa 2
Nós reunimos informação sobre como o usuário digitou as credenciais de login para a presente análise. Qual foi a velocidade dos toques de teclas? Qual a comparação da mão esquerda com a mão direita? E quanto ao movimento do mouse? Nós armazenamos a informação para referência e comparação futuras.
Etapa 3
A sessão do seu usuário é comparada com todas as sessões anteriores do usuário, examinando seus atributos. É uma combinação de biometria comportamental com o modelo de sequestro de cookies ("cookie hijacking").
Etapa 4
Depois de 1 segundo, nós teremos avaliado centenas de atributos. Depois de 2 segundos, serão milhares.
Etapa 5
Um gráfico de redes é criado ao combinar transações utilizando valores de atributos compartilhados. Caso se trate de um account takeover, é criada uma imagem. A probabilidade de o usuário ser um fraudador é calculada.
Etapa 6
3 segundos depois, recomendações compreensíveis e legíveis para humanos aparecem no painel Nethone. Nada de "caixa preta" incompreensível; tratase de IA explicável

Vamos fazer com que seus negócios cresçam!

Prepararemos uma solução focada nos aspecto únicos dos seus negócios.

... ou deixe seus detalhes de contato para que possamos entrar em contato com você.

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Financiado por:

Financiado por: