在支付领域对抗欺诈

偷一个人的血汗钱并不是什么新鲜事。但是，在当今几乎即时付款的世界中，欺诈者用于支付欺诈的方法已经得到了发展。尽管付款的数字化使金融交易对消费者和金融机构更加方便，但也使检测欺诈交易变得越来越困难。毕竟，现在可以在短短几秒钟内完成价值数百万美元的交易，而不是几天。

在加拿大，平均每天通过借记卡进行1200万笔交易。这使加拿大人成为借记卡的最高用户，因此使该群体处于支付欺诈的高风险中。大多数加拿大银行提供零负债欺诈政策，2017年，银行向加拿大客户偿还了超过7亿加元的借记或信用卡付款欺诈造成的损失。因此，对抗支付欺诈的需求非常明显。

常见的付款欺诈类型

随着付款数字化，欺诈者不再需要在相同的地理位置窃取他人的钱。身份盗用是最常见的付款欺诈形式。鉴于在社交媒体平台上可以轻松获得有关某人的信息，犯罪分子可以轻松地冒充该人并侵入其银行帐户。

一旦他们可以访问个人的卡详细信息，他们就可以将其用于在线平台上的无卡交易。其他常见的付款欺诈类型包括虚假发票，这种虚假发票依赖于个人未充分注意发票详细信息，欺诈电子邮件和电话。根据一项调查，在所有付款欺诈中，多达三分之二涉及欺骗个人披露其安全详细信息。

打击欺诈

随着支付行业的发展和数字经济促进个人，企业和银行之间更快的交易，打击支付欺诈已成为当务之急。诸如基于芯片的卡之类的现有安全措施已经大大减少了卡存在欺诈的程度。银行和金融机构还建议消费者遵循简单的策略，例如：

• 发票付款后通知供应商
• 验证更改供应商帐户详细信息的请求
• 从社交媒体平台中删除可能用于入侵您帐户的个人信息
• 不要向任何人泄露帐户和安全详细信息

除此之外，机器学习技术和KYC规范也起着重要作用。

两步认证

在许多情况下，小偷可以通过入侵智能设备来进行欺诈性交易。只要身份验证的第二步通过不同的模式，引入两步身份验证会使进行这些事务更加困难。发送到手机号码或电子邮件地址的一次性密码是两步身份验证的最常见形式。

生物特征认证

生物特征认证使用个人的独特物理特征来验证个人的身份，作为附加的安全层。指纹，语音识别，虹膜识别和面部识别是最常用的生物识别技术。生物识别系统很难被愚弄，并且易于访问。将生物识别技术嵌入支付系统可确保交易是由拥有该帐户的人而不是冒名顶替者进行的。

严格的了解您的客户（KYC）程序

强大的数字身份可确保金融交易安全，同时又不影响便利性。为此，组织必须有权访问可跨多个来源验证的可靠数据。完成后，KYC程序也必须不断更新。准确的客户识别不仅可以保护消费者，还可以保护金融机构免受洗钱相关交易的影响，从而保护其声誉。

机器学习和行为分析

机器学习使用与帐户关联的历史数据和复杂的数据分析来了解合法付款交易的模式。将其与人类见识相结合，它可以帮助识别和防止可能是欺诈的潜在可疑或异常交易。神经网络和AI也可以用于发现可疑或不稳定的卡使用情况。

总结

作为金融机构和罪犯，要相互取胜，将技术与人类专业知识相结合将发挥至关重要的作用。除此之外，对于政府，执法机构和行业参与者进行协作并共同赢得关于支付欺诈的战争也很重要。