Ofte stillede spørgsmål om service
Denne artikel indeholder svar på ofte stillede spørgsmål om servicen Microsoft Dynamics 365 Fraud Protection.
Hvilke typer af svindel er Fraud Protection designet til at håndtere?
Fraud Protection tilbyder løsninger via tre kanaler: købsbeskyttelse, kontobeskyttelse og tabsforebyggelse. Indkøbsbeskyttelse håndterer betalingssvindel, kontobeskyttelse håndterer sindel med kontologon og -oprettelse, og tabsforebyggelse hjælper handlende med at identificere og undersøge unormal aktivitet på POS-terminaler.
Hvilken metode bruger Fraud Protection til at score transaktioner, og hvordan fungerer det?
Ved hjælp af Fraud Protection kan kunderne integrere Fraud Protection-teknologi til enhedsfingeraftryk i deres internet- og mobilbrugererfaringer og til at kalde Fraud Protection-svindelvurderings-API'er ved hjælp af specifikke oplysninger om en hændelse. Kunder modtager derefter en sandsynlighedsscore for risiko og årsagskoder fra Fraud Protection. Under indkøbsflowet kan en kunde med Fraud Protection f.eks. integrere enhedsfingeraftryk på siden til betaling ved kassen, og når en bruger vælger knappen til købsbekræftelse. Fraud Protection-risikovurderings-API for indkøb kan aktiveres ved hjælp af indkøbsoplysninger som f.eks. den person, der foretager købet, oplysninger om de varer, der købes, og den type betalingsmetode, der bruges. Fraud Protection-maskinel indlæring (ML-modeller) bruger købsoplysninger, oplysninger om enhedsfingeraftryk og data fra Fraud Protection-netværket til at generere en risikovurdering og årsagskoder, der repræsenterer sandsynligheden for, at købet er et forsøg på svindel.
Selvom Fraud Protection giver risikovurdering, beslutter kunderne i sidste ende, om de vil fortsætte med indkøbstransaktionen. Denne beslutning kan træffes ved hjælp af regler, som kunder konfigurerer i Fraud Protection-beslutningsprogrammet.
Hvilke egenskaber og algoritmer til maskinel indlæring er integreret i Fraud Protection-systemet?
Fraud Protection bruger en avanceret maskinel indlæring (ML), der kaldes adaptiv kunstig intelligens (AI), til nøjagtigt at skelne mellem svindel og gyldige transaktioner. Teknikken bruger dataattributter i realtid fra et globalt netværk af tilknyttede handelsdata, der er kompileret fra alle kunder, der bruger tjenesten, herunder Microsofts egne virksomheder. Disse data giver værdifulde indsigter i, hvordan tilfælde af svindel er forbundet over hele verden, hvad angår enheder, produkter og IP-adresser. ML-algoritmerne bruger derefter specialiseret hurtige gentræningsmekanismer og flerlagsmodeller, der kan bruge disse tidlige oplysninger om nye svindelangreb, for at hjælpe med at "beskytte" medlemmer af netværket, før de nye svindelangreb når frem til dem. Microsoft bruger også de seneste ML-modelleringsteknikker, herunder dyb, halvovervåget læring, og leverer menneskeligt genkendelige beskrivelser til tidlig Ml-risikovurdering.
Hvilke typer data skal handlende levere til Fraud Protection for at få effektiv svindelanalyse?
Indkøbs-API'en indsamler hovedsageligt dataattributter, der omfatter transaktionskontekst (f.eks. ordretype og kanal, der igangsættes af ordrer), transaktionstid (f.eks. kundens lokale tid), brugeroplysninger (f.eks. konto-id, mailadresse, land/område og oprettelsesdato), oplysninger om betalingsmiddel (f.eks. betalingsmiddel-id, betalingsmetode, Bank Identification Number [BIN] og faktureringsadresse), produktoplysninger (f.eks. produkttype, lagerenhed [SKU], navn, pris og antal), enhedsoplysninger (f.eks. IP-adresse og enhedskontekst-id) og visse yderligere oplysninger.
PurchaseStatus, BankEvent og Label-API'erne indsamler tilsvarende feedback for at opdatere den endelige status for en transaktion.
Du kan finde en detaljeret liste over API'er i Swagger-brugergrænsefladen.
Hvilken rapporterings- og analysefunktioner tilbyder Fraud Protection som standard? Hvilke hovedfunktioner har rapporteringen?
Analyser omfatter generelle tendenser, scorefordelinger og modelydeevne for specifikke transaktionstyper. Rapportering er en del af produktet via indbyggede Power BI-dashboards, der giver brugerne mulighed for at se performance på tværs af systemet for beskyttelse af indkøb, kontobeskyttelse og tabsforebyggelse. Tendenser for nøgletal (KPI'er) vises i den færdigbyggede rapportering. Derudover arbejder vi sammen med alle vores kunder for at sikre, at vi kan opfylde eller levere værktøjerne til andre nødvendige rapporteringsfunktioner.
Hvordan kan Fraud Protection-systemet eller -servicen skaleres til at opfylde de stigende behov for transaktioner? Hvilke dokumenterede egenskaber bruges til at håndtere høje transaktionsniveauer på tværs af Fraud Protection-kundebasen?
Fraud Protection er baseret på Microsofts Azure-skyplatform og har samme skalerbarhed i skyen, som Azure giver alle kunderne. Udover de eksterne kunder har Fraud Protection håndteret omfanget af Microsofts egne forretninger i flere år, og det har ikke fundet nogen skalagrænser.
Yderligere ressourcer
Ofte stillede spørgsmål om juridiske overvejelser
Ofte stillede spørgsmål om beskyttelse af personlige oplysninger og sikkerhed
Ofte stillede spørgsmål om dataopbevaring
Ofte stillede spørgsmål om overholdelse af angivne standarder