クレジットカード詐欺による消費者の費用は約4ドル。年に80億ドル、商人は年間190億ドルです。フェアクレジット請求法（FCBA）は、不正なカード取引に対する消費者責任を$ 50に制限します。クレジットカード会社は残りの部分をカバーしなければならないため、これらの代理店は不正行為の追跡と拘束に高い投資をしています。その目的のために、彼らは詐欺を検出して処理するための非常に概略的で複雑な手順を実行しています。以下は、それが行われる3つの主な方法です。

<！ - 1 - >

パターンを見る企業

クレジットカード会社は、購入の有効性を判断するシステムを通じて、あなたの支出パターンを把握しています。あなたのパターンが高価な買収や珍しい買収で壊れたり、自宅以外の場所で取引されたりすると、会社はそれを書き留めて警告します。同社はまた、以前よりも多くのトランザクションを記録した場合や、電子商取引で変更されたIPアドレスを使用した場合など、頻繁に変更されることに注意しています。泥棒は、小規模な取引に続いてますます大型の取引を行い、クレジットカードをテストする傾向があります。クレジットカード会社は、そのようなパターンに気づいた場合に警告します。

<！ - 2 - >

あなたの支援を利用する企業

クレジットカード盗難の1つまたは複数のインスタンスが報告されている可能性があります。クレジットカード会社は、1つまたは複数のカードで同様の料金に注意し、確認するように依頼することでフォローアップします。泥棒は違う名前の下で詐欺に従事しているかもしれませんし、他のハッカーは同じ、または同様の詐欺罪をしているかもしれません。

技術的アルゴリズムを採用している企業

クレジットカード会社は、技術アルゴリズムの高度なシステムを使用して不正をトラップします。これにはクラスタリングが含まれます。ここでは、銀行が共通の購入を結びつけて異常値を取得します。銀行があなたの購入手段を計算して、あなたの典型的な購入行動を決定する、平均化。銀行は地理、時間、詐欺の可能性などを含むカテゴリに応じて取引をラベル付けします。

<！ - 3 - >

標準データ分析は、技術者がクラウドコンピューティングや機械学習などの技術を使用して異常を検出するビッグデータ分析に発展しました。クレジットカード会社は、誤ったポジティブを取り除き、パターンを検出するために大量のデータを処理します。コンピューティングシステムはペタバイトを使用してすべてのデータを処理します。任意の時点で、PayPalは1億6,900万の顧客アカウントごとに1ペタバイトのデータを処理します。この処理量は会社のコンピューティング構造を損なう可能性があるため、コンピュータはクラウドコンピューティングに変わります。クラウドコンピューティングは、無限のデータを活用するために広がっています。このようにして、クレジットカード会社はより疑わしい信号を検出することができます。

クレジットカード会社も、機械学習を使用します。機械学習には、予測を吐くために典型的な取引を与えられて訓練されたコンピュータモデルが含まれます。機械学習はトランザクションを分析し、その信頼性を評価する確率桁を生成する。このプロセスは加盟店がジャストインタイムでの詐欺行為を検出するのに役立ちます。したがって、レジ係がクレジットカードを拒否した場合、POSシステムがトランザクションを拒否するよう警告する詐欺確率スコアが生成される可能性が高くなります。

主な取り組み

PCIセキュリティ基準審議会は、お客様のアカウントデータ保護のセキュリティ基準の向上に専念しています。クレジットカードを処理する商人は年に一度セキュリティ監査を受ける必要があり、チップとピンの技術は詐欺を検出するために出てきた多くの新しいITシステムのほんの一例です。しかし、クレジットカード詐欺が増加し続けており、2014年には世界で1,540件の違反が発生しています（Gemaltoの2014違反レベル指数）。

クレジットカード会社は、不正行為を取り締まるために様々な対策を試みています。これには、異常なパターンを検出するための伝統的なデータ分析や最新の大規模データ分析が含まれます。データは、少なくともアメリカでは、彼らの努力が平均的な詐欺行為率の低下をもたらしていることを示しています。例えば、クレジットカードを使用している詐欺師は、2013年に1300万人の米国人消費者から180億ドルを奪った。この数字は、2014年に160万ドルに減少した。