更深入的潜水 ： Forter ＆ ＃ 8217; s 数据 ＆ ＃ 038; 决策的幕后花絮

Forter 在数字商务旅程中通过关键决策（如阻止欺诈、优化交易）确保决策准确性，其核心依赖于“身份智能”，即对身份数据的深度理解与应用。

数据基础与规模

• 数据规模：截至2023年底，Forter 已知15亿个身份，数据规模超过Amazon、PayPal和Shopify。
• 数据类型：收集包括在线行为（操作、点击速度）、网络信息（IP、VPN、Wi-Fi）、设备信息（类型、插件、语言）、事件信息（购买、登录）等成千上万个硬性和软性数据点。

数据利用与深度分析

• 数据信号类型：通过概率关联分析，计算每个数据元素呈现给用户的可能性，并识别身份操纵（如关联支付方法变化）。
• 数据使用：JavaScript 捕获数据并推导数千个属性，通过决策API结合背景信息和上下文，实时评估身份可信度。

核心技术：概率链接

• 功能：利用统计建模确定事件间的联系，判断用户真伪。
• 优势：
  • 识别伪装成合法用户的欺诈者，并批准看似风险高的合法用户。
  • 对陌生用户通过模式匹配（分析行为与已知合法/欺诈模式对比）进行评估。

混合AI方法

• 问题：单一AI（规则或机器学习）存在局限性（规则不全面、机器学习无法应对未知欺诈、人类无法处理海量数据）。
• Forter 方法：结合机器学习与人类智能，优势在于：
  • 实时识别：主动阻止已知和未知欺诈。
  • 透明性：提供决策依据，支持分析师反馈权限。
  • 模型多样性：每个决策使用数十种模型（如ATO模型、垂直领域模型），确保高精度并平衡管理难度。

研究结论

Forter 通过大规模数据、深度分析技术（概率链接）和混合AI方法，实现实时、高准确性的身份评估与决策，有效应对复杂欺诈并优化客户体验。