- 综合排序
- 最热优先
- 最新优先
支付欺诈防控技术指南：数据接入与安全保障
摘要 本文旨在为支付行业提供支付欺诈防控的技术指南，重点探讨数据接入需求和数据安全保障措施。通过技术解析、操作指南及增强方案，为企业提供基于腾讯云产品的高效、安全的支付欺诈防控解决方案。 1. 技术解析 1.1 核心价值与典型场景 支付欺诈防控技术的核心价值在于识别和阻止非法交易，保护消费者和商家的利益。典型场景包括但不限于信用卡欺诈、账户盗用、身份盗窃等。 1.2 挑战 数据接入复杂性：支付欺诈防控需要接入多种数据源，包括交易数据、用户行为数据等，数据格式和接入方式多样化。 实时性要求：实时监控和分析交易数据以快速识别欺诈行为，对系统性能要求高。 操作指南 2.1 数据接入 2.1.1 原理说明 数据接入是支付欺诈防控的第一步，需要从各种渠道收集数据，包括银行交易记录、用户行为日志等。 通过本文的技术指南，企业可以更好地理解和实施支付欺诈防控策略，利用腾讯云产品提升数据接入效率和安全性。
30210编辑于 2025-07-29- 来自专栏安恒信息
新年将至网络防欺诈 ShopEX旗下ECMALL多个高危漏洞预警
2014马年临近，广大网友也纷纷通过网购选取年货，网络诈骗进入了一年当中的高峰期。近日,安恒信息工程师发现国内最大的电子商务软件及服务提供商ShopEX旗下的ECMALL多店商城系统存在严重的安全隐患，可能将导致恶意攻击者任意伪造钓鱼网站对合法用户进行网络诈骗，届时将会造成普通用户的经济损失。同时还可能导致攻击者在大部分情况下可直接向目标网站读取敏感信息，控制整个网站，并可进行“拖库”、“挂马”等，甚至可以向服务器进行提权操作。 目前安恒信息安全研究院已积极联系ShopEX官方通报该漏洞，请广大使用ECMA
1.6K120发布于 2018-04-10 - 来自专栏素质云笔记
笔记︱金融风险之欺诈分类以及银行防控体系简述
—————————————————————————————————————————— 一、欺诈、损失定义与分类 1、欺诈分类 欺诈与客户虚假信息识别的案例较少，因为这些案例的数据源十分敏感，一般不会流入市场供大众参考 从英国信用行业欺诈防范体系中看出，绝大多数欺诈可以分为申请欺诈、身份欺诈。 申请欺诈：使用虚假信息申请，较多根源于内部（公司内部员工引发） 身份欺诈：使用伪造的信息或盗用无辜的受害人的信息进行申请（外部） 申请欺诈，一般不是模型问题，而是数据本身存在问题，譬如小城市大学生比例超级高 —————————————————————————————————————————— 二、欺诈防控体系 欺诈一般不用什么深入的模型进行拟合，比较看重分析员对业务的了解，从异常值就可以观测出欺诈行为轨迹 同时欺诈较多看重分类模型的召回与准确率两个指标。较多使用SVM来进行建模。 召回率，准确率，排序很准的模型排行： 1、SVM 2、随机森林、决策树 1、银行卡欺诈防控体系 ?
1.4K30发布于 2019-05-26 - 来自专栏API百科
【防止恶意用户注册】-- 手机在网状态 API 的防欺诈应用解析
防止欺诈：可以识别无效的手机号码或使用虚假手机号码的欺诈行为，从而防止恶意用户注册。 改善用户体验：可以快速地验证用户提供的手机号码是否有效和可用，从而提高用户注册或绑定手机号码的速度和效率。 手机在网状态 API 使用教程 APISpace 是 国内一个较大的 API 供应平台，提供多种类型的 API 接口，包括手机号码归属地查询 API 、天气预报查询API、手机在网状态 API 、反欺诈
1.3K20编辑于 2023-04-13 攻克DeepFake欺诈：金融级防AI仿冒可信身份架构与量化实践
破解DeepFake欺诈困局：单因子验证机制失效与多端攻击激增 伴随AIGC工具的快速演进，音频合成与DeepFake换脸视频技术大幅降低了黑产的作恶门槛。 这一趋势暴露出行业在防欺诈领域的共性瓶颈：传统的EKYC（了解你的客户）单因子生物识别机制已经失效。 据统计，目前已有 46% 的企业遭到合成身份欺诈。 构建实时纵深防御体系：多维特征解耦与端到端可信标识拦截 为应对复杂的身份伪造攻击，腾讯安全业务风控总监 姚凌鹏 提出防AI仿冒可信身份解决方案。 拆解高损黑产攻击：跨国企业高管换脸诈骗案复盘 在熟人仿冒与虚假信息传播场景中，AI合成欺诈已对企业造成了不可逆的巨额财务损失。
13610编辑于 2026-05-30- 来自专栏数据STUDIO
图分析与保险欺诈、信用卡欺诈、增值税欺诈
导读 各行各业都在采用图分析来加强反欺诈能力，在本文中，将介绍如何借助图分析打击以下三种欺诈行为： 保险欺诈 信用卡欺诈 增值税欺诈 大型数据集中常常隐藏了犯罪分子留下来的线索。 在这篇文章中，我们回顾了三种常见的欺诈方案，并探讨了图分析方法如何帮助调查人员识别它们。 使用图分析打击的三种欺诈行为 保险欺诈 保险欺诈包括旨在欺诈保险程序的任何行为。 他们可能正在使用被盗或伪造的身份，提出欺诈性索赔。 信用卡欺诈 信用卡欺诈的通常模式为，犯罪分子盗取信用卡信息并进行未经授权的交易。 在使用较安全的基于芯片的卡后，信用卡欺诈仍然是一个主要欺诈手段。 增值税欺诈 循环骗税，也称为增值税欺诈，是在另一个司法管辖区初次购买免增值税的商品销售过程中诈骗的增值税。就最近的案例显示，该反欺诈方案难以及时确定，损失可能非常巨大。
84040编辑于 2023-02-24 - 来自专栏腾讯技术工程官方号的专栏
愚人节防骗？你需要一本《2018反欺诈白皮书》
经腾讯110及腾讯全体黑产研究人员整整一年的努力，内含2018“十大诈骗类型、192种网络诈骗手法”，居家必备童叟无欺的腾讯110《2018反欺诈白皮书》重磅发布啦！
52130发布于 2019-05-16 腾讯云天御交易风控：全链路欺诈防控与拒付率优化方案
第一章：跨境交易面临的欺诈与拒付困境 跨境出海商户、海外商户及收单机构正面临日益严峻的交易欺诈挑战。 在账户安全、政策滥用、设备风险及支付欺诈等环节，黑灰产利用自动化脚本、篡改设备及团伙作案等手段，导致企业面临资金损失与高拒付率的双重压力。 支付欺诈风控： 提供拒付款诈评分模型与定制策略，结合拒绝回捞模型，在阻断风险的同时减少误拒。 系统支持毫秒级实时计算，并通过API+SDK/JS灵活接入，在风控灰度期持续监控欺诈识别准确率、支付通过率及拒付率，确保服务稳定性。 发货前： 识别政策滥用交易（如退货退款欺诈），及时取消订单止损。 支付前： 进行拒付款诈风险预警，并对误拒订单进行回捞。
11210编辑于 2026-05-30腾讯云支付风险管理解决方案：全周期欺诈防控与交易效能提升
识别支付风控痛点与业务瓶颈 跨境商户、境外收单机构等面临欺诈风险贯穿用户交易全生命周期的核心痛点，涵盖账户安全、政策滥用、设备风险、支付欺诈及拒付管理环节。 现实冲突表现为：欺诈导致拒付增加、财务损失扩大、交易批准率降低，企业需在有效风控与业务发展间寻求平衡，传统手段难以覆盖全周期并实时响应复杂欺诈。 提供一站式全周期支付风险管理方案 腾讯云支付风险管理为跨境商户等提供端到端交易欺诈预防，通过实时智能决策与风险感知系统覆盖全生命周期。 核心功能：账户安全保护、政策滥用检测、设备风险感知、支付欺诈及拒付管理。 产品矩阵：场景化定制与策略优化、冷启动风控（预事件及金融流程风控）、监控优化（定期监测欺诈识别准确率、支付接受率、拒付率以调策）、快速拒付减少优化（预事件拦截潜在欺诈，降误拒损失）。
21810编辑于 2026-04-27- 来自专栏公共互联网反网络钓鱼（APCN）
邮件倦怠对小微企业网络钓鱼与欺诈风险的影响及防控研究
研究结合反网络钓鱼技术专家芦笛的权威观点，构建包含邮件治理、流程管控、技术防御、意识强化的四维防控体系，并提供可落地的钓鱼检测代码实现与安全配置方案，为小微企业在不增加运营负担前提下降低邮件安全风险提供理论依据与实践路径 1 引言在小微企业数字化运营场景中，电子邮件承担着客户对接、供应商沟通、内部审批、财务往来、账号安全告警等多重职能，是业务流转与风险防控的关键入口。 本文以邮件倦怠为核心，结合实证数据、攻击案例、技术原理与代码实现，完整论证 “邮件过载→倦怠行为→安全漏洞→攻击得逞” 的传导路径，并提出轻量化、可落地的综合防控方案，弥补该领域研究与实践的空白。 3.3 对商业邮件欺诈（BEC）的暴露增强BEC 攻击核心是利用沟通间隙与信任链伪造身份，邮件倦怠提供理想条件：供应商、客户沟通延迟，欺诈者插入伪造发票、账号变更信息；未及时确认导致虚假付款指令被执行； 4.4 内部协作欺诈利用内部沟通延迟，伪造同事请求文件、协助登录、重置密码。
16010编辑于 2026-04-01 - 来自专栏API 分享
欺诈无所遁形：反欺诈（羊毛盾）API 应用解析
随着互联网的快速发展，欺诈行为不断演变和扩大，涉及的领域也越来越广泛。虚假账户注册、刷单、恶意评论、虚假广告等欺诈手段成为一些不法分子获取利益的途径。 为了解决这一问题，反欺诈技术应运而生。本文主要介绍反欺诈（羊毛盾）API 的工作原理、作用、应对的风险、应用场景以及使用教程，识别和阻止欺诈行为，保护用户的权益和提升平台的安全性。 反欺诈（羊毛盾）API 的应用原理图片反欺诈（羊毛盾）API 的作用图片反欺诈（羊毛盾）API 可以应对什么风险反欺诈（羊毛盾）API 可以对多种欺诈行为进行识别和预防，从而帮助企业降低欺诈风险和经济损失 在线支付在线支付时用于检测是否存在欺诈行为，如信用卡欺诈、虚假退款等。社交媒体平台在社交媒体平台上用于检测虚假账号、水军等欺诈行为。在线招聘用于识别虚假简历、造假等欺诈行为，保障招聘的公平性和效率。 （羊毛盾）反机器欺诈 API 作为一种强大的技术工具，在网络安全领域得到了广泛的应用，帮助用户识别和阻止潜在的欺诈行为，提供了一个安全可靠的网络环境。
62900编辑于 2023-07-03 欺诈识别技术指南
技术解析 核心价值与典型场景 欺诈识别技术是金融科技领域的关键应用之一，通过分析用户行为模式和交易数据，识别并防范欺诈行为。 基于大模型的欺诈识别通过深度学习技术，从大量历史数据中学习模式，而规则策略逻辑则依赖于预设的规则和阈值。两者结合使用，可以有效提升欺诈识别的准确性。 实时性要求：欺诈识别系统需要快速响应，以防止欺诈行为发生。 2. 操作指南 实施流程 数据采集与处理 原理说明：收集用户行为数据和交易数据，进行清洗和预处理。 模型训练与部署 原理说明：基于收集的数据训练欺诈识别模型，并部署到生产环境。 操作示例：利用腾讯云机器学习平台TI-ONE，训练并部署基于大模型的欺诈识别模型。 通过上述指南，您可以深入了解欺诈识别技术，并有效利用腾讯云产品提升欺诈识别能力。
42310编辑于 2025-07-29- 来自专栏Python乱炖
通过关系网络进行欺诈检测和欺诈团伙发现
从常见的两种反欺诈模型说起 金融欺诈，一般是指采用虚构事实或者隐瞒事实真相的方法，骗取公私财物或者金融机构信用的犯罪形式。几乎所有涉及金钱和服务的商业模式都会受到欺诈的攻击。 通信、保险、贷款和信用卡申请是一些最容易出现金融欺诈的领域。 目前并没有一个通用的反欺诈框架可以识别并防范所有形式的欺诈。 一种最常用的反欺诈模型，是通过建立一个规则引擎或者机器学习模型来描述欺诈行为的特征，从而将欺诈行为从正常操作中区别开来。 图3 我们对团体规模大小和欺诈度的相关性进行了分析。其中，欺诈度的定义为：欺诈度=团体中欺诈申请者的数目/团体中申请者总数。我们通过行业内的网贷黑名单数据来判定某一个体是否为欺诈申请者。 相关性结果如下图所示，其中，横坐标表示团体规模大小，纵坐标表示欺诈度。可以看出，当团伙只有两个人时，欺诈度的中位数是0，而当规模变大时，欺诈度陡然增加。
2.2K11发布于 2019-10-31 - 来自专栏API百科
全面解析反欺诈（羊毛盾）API，助你识别各类欺诈风险
前言反欺诈（羊毛盾）反机器欺诈 API，是一种基于大数据分析和模型产品的技术，通过输入手机号、手机 IP 地址进行检测，帮助客户识别大量存在恶意的账号。 反欺诈（羊毛盾）API 的作用图片反欺诈（羊毛盾）API 可以应对什么风险反欺诈（羊毛盾）API 可以对多种欺诈行为进行识别和预防，从而帮助企业降低欺诈风险和经济损失，包括但不仅限于以下六种风险：图片反欺诈 在线支付在线支付时用于检测是否存在欺诈行为，如信用卡欺诈、虚假退款等。社交媒体平台在社交媒体平台上用于检测虚假账号、水军等欺诈行为。在线招聘用于识别虚假简历、造假等欺诈行为，保障招聘的公平性和效率。 反欺诈（羊毛盾）API 的应用原理图片反欺诈（羊毛盾）API 的使用教程APISpace 是 国内一个较大的 API 供应平台，提供多种类型的 API 接口，包括手机号码归属地查询 API 、天气预报查询 API、手机在网状态 API 、反欺诈（羊毛盾）API 以及当前比较热门的 AI 绘画 API 等等，感兴趣的小伙伴可以去官网体验一下。
2.1K20编辑于 2023-04-14 - 来自专栏不能显示专栏创建者
随着消费者欺诈行为的增加，网上商业欺诈行为减少
总部位于芝加哥的全球在线欺诈趋势季度报告指出，针对全球企业的涉嫌欺诈性数字交易从大流行的锁定阶段（3月11日至5月18日）到重新开放阶段（5月19日至7月25日）下降了9％。交易安全解决方案提供商。 TransUnion全球欺诈解决方案高级副总裁Shai Cohen在一份声明中说：“随着企业急于数字化，许多人几乎在一夜之间被迫完全上网，欺诈者试图利用这一机会。” 他继续说，随着这些企业增加其数字欺诈预防解决方案，欺诈者将他们的骗局转移到其他地方。 他补充说：“与消费者相反，欺诈者越来越多地使用COVID-19来捕食那些面临越来越大的财务压力的人。”
50300发布于 2021-01-07 - 来自专栏大数据学习笔记
信用卡反欺诈
最后一列Class，0为正常，1为欺诈 2、程序解读 2.1 读取文件 #! lambda x: 1 if x > 1.5 else 0) data['V21_'] = data.V21.map(lambda x: 1 if x > 0.6 else 0) print('每个单一属性的欺诈记录与整车记录的差异统计 ：') print(data.describe()) print(data.sum()) 每个单一属性的欺诈记录与整车记录的差异统计： Time V1 print('欺诈记录的占比：') print(data.Normal.value_counts()) print() print(data.Fraud.value_counts()) pd.set_option ("display.max_columns",101) print(data.head()) 欺诈记录的占比： 1.0 284315 0.0 492 Name: Normal, dtype
2.1K30发布于 2019-07-02 - 来自专栏大数据杂货铺
使用 CSA进行欺诈检测
对于每笔交易，NiFi 都会调用 Cloudera 机器学习 (CML) 中的生产模型来评估交易的欺诈潜力。 如果欺诈分数高于某个阈值，NiFi 会立即将事务路由到通知系统订阅的 Kafka 主题，该主题将触发适当的操作。 带有分数的交易数据也被保存到 Apache Kudu 数据库中，以供以后查询和提供欺诈仪表板。 识别出的欺诈交易被写入另一个 Kafka 主题，该主题为系统提供必要的操作。 流式 SQL 作业还将欺诈检测保存到 Kudu 数据库。 来自 Kudu 数据库的仪表板提要显示欺诈摘要统计信息。 CML 模型的响应包含一个欺诈分数，由一个介于 0 和 1 之间的实数表示。
2.8K10编辑于 2022-12-02 - 来自专栏源哥的专栏
Google广告计划涉嫌欺诈
Google广告计划涉嫌欺诈 Google之推出广告计划以来 这个，我估计已经涉及欺诈了吧？
37830发布于 2018-08-28 - 来自专栏算法进阶
营销业务反欺诈全流程
1 欺诈定义 欺诈是用户主观、以非法占有为目的，采用虚构事实或隐瞒事实真相的方法，骗取他人财物或金融机构信用，破坏金融管理秩序的行为。 按照欺诈的人数来分可分为：个体欺诈和团伙欺诈； 按照欺诈的主体来可分为第一、第二、第三方欺诈； 按照欺诈的行为可分为：金融信贷欺诈、互联网业务欺诈和信用卡欺诈三大类。 按照欺诈的行为，大的方向上可分为：金融信贷欺诈、互联网业务欺诈和信用卡欺诈三大类，如果进一步 细分落到具体的场景上有：盗刷、薅羊毛、骗贷、套现、刷单、 刷好评等行为，根据不同的欺诈场景的应对方法是有所不同的 2 项目背景 营销欺诈是互联网业务欺诈大类的一种，指的是羊毛党通过虚假身份参加营销活动大量获利的行为。据统计，存在1000万+被滥用身份信息、 200万+网络黑产从业者、超千亿黑产市场规模。 4 欺诈客群分析： 在复杂的欺诈任务上，无法仅凭仅有的少数欺诈标签建立一个良好的欺诈模型（更何况标签质量参差不齐的），知己知彼百战不殆，这需要去了解业务知识、欺诈链，并采用更合适的技术手段来识别欺诈
2K61编辑于 2022-06-01 检测IP地址欺诈风险“Scamalytics”
Scamalytics 是一个专注于检测IP地址欺诈风险及纯净度的在线工具平台，通过分析IP地址的历史行为和关联数据，帮助用户评估其安全性。 核心功能欺诈评分系统：输入IP地址后，系统会生成一个风险评分（0-100），分数越高表示该IP被用于欺诈或恶意活动的可能性越大，例如评分达到100则建议立即更换IP。 主要优势提升安全性：通过拦截高风险IP，减少欺诈交易、虚假账户等行为，保护企业数据与用户隐私。 成本效益：自动化检测降低人工审核成本，同时避免因欺诈造成的业务损失。
3.3K10编辑于 2025-04-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号