交易欺诈：其发生机制及防范方法
有人信用卡被盗刷，购买了从未购买过的商品。商家发出价值 2000 美元的订单后，才发现这笔款项是用被盗的信用卡支付的。银行冻结了一个账户，因为账户的消费模式突然与户主以往的习惯大相径庭。不同的场景，却有着相同的根本问题：交易欺诈，而所有相关人员都会因此蒙受真金白银的损失。
交易欺诈背后并没有什么单一的技巧。它涵盖任何以欺骗或未经授权的方式使用支付凭证转移资金或商品的行为，每年都有数百万笔未经授权的交易被银行卡网络标记，随着越来越多的购物转向线上，这个数字还在不断攀升。商家会因此遭受拒付和库存损失的损失。消费者则会面临资金被盗以及花费大量时间去申诉账单上的拒付记录。以下内容将介绍交易欺诈的真实面貌、其屡禁不止的原因以及真正有效的防范措施。
交易欺诈究竟是什么？
抛开那些专业术语，归根结底就是：有人未经合法所有者的许可，擅自使用支付信息，比如卡号、银行账户或电子钱包。或者，他们伪造购买记录，以逃避付款。例如，使用被盗信用卡结账，伪造发票混入应付账款队列，或者顾客信誓旦旦地说从未收到显示已送达的包裹，都属于此类情况。
欺骗是贯穿这一切的主线。有人通过无权获取的信息，或者编造谎言，获取资金或货物。银行和支付处理机构对此毫不含糊——任何未经账户持有人真正授权的交易都会被视为欺诈，无论诈骗者采取何种手段。
但解决方法很大程度上取决于交易类型。被盗刷的卡号和客户对已授权的交易提出异议，其应对措施截然不同。首先要弄清楚你面对的是哪种类型的欺诈交易。
从更宏观的角度来看，交易欺诈实际上只是金融欺诈大盘中的一小部分，金融欺诈还包括投资诈骗和保险欺诈等。交易欺诈与其他欺诈的区别在于它与特定支付直接相关。奇怪的是，正是这种关联使得未经授权的交易比那些持续数月的欺诈计划更容易追溯到源头。
常见的交易欺诈类型
诈骗手段层出不穷，但大多数都可归为少数几个易于识别的类别。了解每一种类别有助于你在蒙受损失之前发现诈骗模式。
- 非面对面交易欺诈——指使用被盗的银行卡号进行线上或电话购物，而实际的银行卡并未出示。这是当今电子商务中最常见的交易欺诈形式。
- 账户盗用——诈骗分子通过数据泄露或网络钓鱼等手段获取现有账户的访问权限，并冒充账户所有者发起交易。
- 身份盗窃——犯罪分子利用他人的个人信息（例如社会保障号码）以该人的名义开设新账户或信用额度。
- 网络钓鱼诈骗——受害者通过虚假的电子邮件、短信或网站被诱骗交出银行卡信息、密码或一次性代码。
- 友好欺诈（拒付滥用） ——客户进行合法购买后，向银行提出付款争议，声称该笔交易未经授权，即使他们已经收到了货物。
- 电汇诈骗——诈骗分子冒充供应商、高管或银行，诱骗企业将资金汇入他们控制的账户。
它们各自在交易数据中留下不同的特征。而这正是检测系统旨在寻找的特征。
交易欺诈是如何发生的？
追溯大多数欺诈交易的源头，你会发现其原因不外乎以下几点。其中最常见的是信用卡数据被盗——数据泄露后，这些数据会在暗网市场流通，诈骗分子会大量购买卡号，只是为了测试哪些卡号仍然有效。
零售商或支付处理商的大规模数据泄露事件会持续不断地传播这些信息。一次泄露事件就可能一次性泄露数百万张卡号、电子邮件地址和密码，而这些信息随后会在数十个互不相关的网站上循环使用数月之久。
社会工程学的影响远超人们的想象。诈骗分子无需入侵系统，只需巧舌如簧就能得逞。一通听起来像是“您的银行”打来的电话往往足以骗取一次性密码，而重复使用的密码只会让情况雪上加霜——一条泄露的凭证就能解锁与最初泄露事件毫不相干的账户。
此外，还有最基本的身份验证漏洞。省略地址验证、省略 CVV 检查、省略多因素身份验证，就等于给了诈骗分子更多不被发现的作案空间。
信用卡诈骗之所以备受关注，是因为盗取信用卡号码成本低廉，而且很容易通过结账页面进行测试。然而，同样的根源也导致了范围更广的金融诈骗，而这些诈骗与信用卡无关——例如欺诈性电汇、将虚假发票混入应付账款流程等等。
如何检测交易欺诈
检测的关键在于发现与正常合法行为不符的模式。虽然没有任何单一信号能够单独证明存在欺诈，但多种可疑信号的组合会显著提高欺诈的可能性。现代欺诈检测系统能够实时评估这些信号，并在付款完成之前标记可疑活动以供审查。
| 红旗 | 它预示着什么 |
|---|---|
| 账单地址和收货地址不符 | 可能是盗用的信用卡使用了受害者的账单信息，但收货地址不同。 |
| IP 地址位置与账单国家/地区不符 | 卡片信息可能在合法持卡人所在地区以外的地方被使用。 |
| 短时间内多次付款失败 | 自动刷卡测试，即诈骗分子快速尝试大量盗取的卡号。 |
| 异常大宗或紧急订单 | 诈骗分子通常会在信用卡被注销前尽可能提高其价值。 |
| 新账户立即进行大额购买 | 正规顾客很少会在第一次光顾时消费很多。 |
| 使用略有不同的卡号下单多次 | 这是诈骗分子测试一批被盗或伪造的信用卡信息的迹象。 |
欺诈检测和欺诈预防团队通常会将多个此类信号结合起来计算风险评分，而不是单独依赖任何一种信号。地址不匹配加上紧急的高额订单，其风险信号远比单独出现任一信号都强烈得多。
现在，一些商家更进一步，将设备指纹识别和行为生物识别技术结合起来，追踪打字节奏、鼠标移动，甚至手机的握持方式。这种方法可以捕捉到仅靠规则检查容易遗漏的欺诈检测极端案例。
企业防范欺诈最佳实践
有效的防欺诈措施最好采用多层防御。没有任何单一工具能够阻止所有攻击，但综合运用多种措施，无论是非面对面交易还是直接的信用卡欺诈，都会让大多数欺诈行为付出过高的代价，以至于不法分子望而却步。
- 在客户账户和内部支付审批系统中启用多因素身份验证，这样即使密码被盗，也不足以完成交易。
- 在结账时使用地址验证 (AVS) 和 CVV 检查，以确认买家能够实际接触到银行卡及其账单信息。
- 应用速度规则，标记或阻止来自同一张卡、IP 地址或设备的快速重复尝试，在未经授权的交易完成之前阻止它们。
- 对于高价值账户或 B2B 关系，尤其是在大额电汇之前，务必进行 KYC（了解你的客户）检查。
- 监控行为异常情况，例如老客户突然从新的国家或设备下单。
- 培训员工识别社交工程攻击，特别是与电汇请求和密码重置相关的攻击。
首先，值得重新思考一下你接受付款的方式。基于银行卡的支付方式存在固有的拒付风险：客户可以在事后数周提出异议，即使交易合法，商家也往往要承担损失。加密货币支付则不同，因为交易一旦确认就不可逆转，这完全消除了拒付和“友好欺诈”的可能性。正因如此，越来越多的商家会将高风险或国际订单通过像Plisio这样的加密货币支付网关，与现有的银行卡支付系统结合使用，从而在不改变客户购物方式的前提下，降低遭受最常见交易欺诈之一的风险。
也就是说，加密货币支付也有其自身的风险，主要是网络钓鱼和钱包被盗的诈骗，而不是拒付，因此，对身份验证和核实的警惕性仍然适用。
机器学习和异常检测的作用
大型银行的交易量实在太大，人工核查根本无法完成。因此，机器学习就派上了用场。只需将足够多的历史交易数据输入模型，随着时间的推移，它就能计算出特定客户、特定商家乃至整个行业的“正常”交易模式——这些规则无需人工编写。
异常检测功能负责真正标记异常情况。例如，凌晨三点使用客户从未接触过的设备进行的消费，或者远超其正常消费模式的消费激增。这类模型会随着新数据的不断涌入而持续进行重新训练，因此，它们比传统的基于规则的检查清单更能有效地应对各种新型欺诈手段。
不过，天下没有免费的午餐。你需要大量干净的数据才能让模型赢得信任，即使是可靠的模型，也难免会偶尔误判，导致真实用户流失。这就是为什么大多数团队不会把最终决定权交给算法——总会有人在关键时刻进行人工审核。
银行为什么要在这方面投入资金？因为在如此庞大的规模下，雇佣足够的人手来手动审核每一笔交易是不现实的。一套优化完善的系统每秒可以处理数千笔交易，将可疑交易转交给人工审核，其余交易则无需人工等待即可直接通过。
如何应对疑似欺诈行为
如果您发现疑似欺诈交易，无论是作为商家还是持卡人，速度都至关重要。
正确的应对方式取决于你是蒙受损失的一方，还是需要调查此事的一方。联邦法律通常会限制消费者对及时报告的未经授权交易的责任，但对于大多数有争议的非面对面交易，无论最终责任方是谁，商家都需承担损失。
如果消费者在账单上发现欺诈交易：
- 立即联系您的银行或发卡机构报告这笔费用，如有需要，请申请冻结款项。
- 更改所有与被盗刷的银行卡或凭证共享的账户密码。
- 密切关注您的信用报告，留意是否存在更广泛的身份盗窃迹象。
- 设置账户提醒，以便在未经授权的交易或可疑活动发生时立即发现，而不是几周后才在账单上看到。
对于怀疑订单存在欺诈行为的商家：
- 发货前暂缓发货，并人工核实买家信息。
- 仔细核对账单地址、IP 地址和订单历史记录，找出可疑之处。
- 将已确认的欺诈模式报告给支付处理商的欺诈检测团队，以便自动标记类似的欺诈企图。
在最初的 24-48 小时内采取行动，可以显著提高追回资金或阻止再次盗窃的几率。
交易欺诈不会消失，也并非无懈可击。损失最小的企业不会寄希望于单一的灵丹妙药，而是将检测、验证和更智能的支付方式层层叠加。首先要做好基础工作：身份验证、监控和地址核查。随着交易量的增长，再逐步完善这些措施，因为能够阻止当前欺诈交易的防欺诈措施，同样也能在未来有效降低更广泛的金融欺诈风险。
