Kreditkortsbedrägeri kostar konsumenterna ca 4 USD. 8 miljarder per år och köpmän 190 miljarder dollar per år. Fair Credit Billing Act (FCBA) begränsar konsumentansvar för obehöriga korttransaktioner till $ 50. Kreditkortsföretag måste täcka resten, så dessa byråer är mycket investerade i att spåra ner och begränsa bedrägerier. För detta ändamål har de lagt fram mycket schematiska och komplexa förfaranden för att upptäcka och behandla bedrägerier. Följande är de tre huvudsakliga sätten på vilka det är gjort.

Företag Titta på dina mönster

Kreditkortsföretag håller reda på dina utgiftsmönster genom system som bestämmer giltigheten för dina inköp. När ditt mönster bryter mot höga priser eller ovanliga förvärv eller med transaktioner som görs utanför din hemort, noterar företaget det och meddelar dig. Företaget noterar också ändrad frekvens, till exempel om du loggade på fler transaktioner än tidigare och om dina e-handelstransaktioner använde en ändrad IP-adress. Tjuvar tenderar att testa kreditkort genom att göra mindre transaktioner följt av allt större. Kreditkortsföretag varnar dig om de märker ett sådant mönster.

Företag Använd ditt hjälpmedel

Du kan ha rapporterat en eller flera fall av kreditkortstöld. Kreditkortsföretag följer upp genom att notera liknande avgifter på ett eller flera av dina kort och ber dig att verifiera dem. Tjuven kan ha bedrivit bedrägerier under olika namn, eller andra hackare kan begå samma eller liknande svindlar.

Företag anställer tekniska algoritmer

Kreditkortsföretag använder ett mycket sofistikerat system med tekniska algoritmer för att fånga bedrägeri. Dessa inkluderar kluster, där banker kopplar gemensamma inköp tillsammans och fäller outlier förvärv. i genomsnitt, där bankerna beräknar medel för dina inköp för att bestämma ditt typiska köparbeteende; och klassificering, där banker märker transaktioner enligt kategorier som inkluderar geografi, tid, bedrägerier och så vidare.

Standarddataanalys har vuxit till stordataanalys, där ingenjörer använder teknik som molnberäkning och maskininlärning för att upptäcka avvikelser. Kreditkortsföretag går igenom höjder av data för att utesluta falska positiva och upptäcka mönster. Beräkningssystemet använder petabytes för att behandla all denna data. Vid varje tillfälle behandlar PayPal 1. 1 petabyte data för varje 169 miljoner kundkonton. Denna mängd bearbetning kan skada företagets beräkningsstruktur, så datorn vänder sig till cloud computing för hjälp. Cloud computing sträcker sig för att ta en oändlighet av data. På detta sätt lyckas kreditkortsföretag upptäcka fler misstänkta signaler.

Kreditkortsföretag använder sig också av maskininlärning, vilket innefattar datormodeller som utbildas genom att matas med typiska transaktioner för att spåra förutsägelser.Maskininlärning analyserar transaktionen och producerar en sannolikhetssiffra för att bedöma dess trovärdighet. Denna process hjälper handelsmän att upptäcka bedrägeri i just-tid, så om ditt kreditkort avvisades av en kassör är det troligt att modellen skapade ett högt sannolikhetsbedrägeri för svindel som varnade för försäljningssystemet för att avvisa transaktionen.

Key Takeaways

PCI Security Standards Council ägnar sig åt att förbättra säkerhetsstandarderna för ditt dataskydd för kontot. Näringsidkare som behandlar kreditkort måste göra sina säkerhetsrevisioner en gång per år, och chip-and-pin-teknik är bara ett av de många nya IT-system som har kommit ut för att upptäcka bedrägerier. Kreditkortsbedrägerier fortsätter dock att växa, med 1, 540 överträdelser som uppträder över hela världen 2014, enligt Gemaltos 2014-överträdelsesnivåindex.

Kreditkortsföretag försöker att fälla bedrägerier. Dessa inkluderar traditionella och framväxande stordataanalyser för att upptäcka onormala mönster. Data visar att deras ansträngningar ger lägre årliga genomsnittliga bedrägerier, åtminstone i Amerika. Till exempel bedrägerier som använder kreditkort stal $ 18 miljarder från 13. 1 miljon US-konsumenter år 2013. Detta antal minskade 2014 till 16 miljarder dollar från 12,7 miljoner USA-offer.