Onlinebetrug erkennen

Denn es hat eine Lösung entwickelt, die automatisch verdächtiges User-Verhalten erkennt. Dank großskaligem Maschinenlernen soll das System auch in der Lage sein, völlig neue Arten des Betrugs zu erkennen. Dem Anbieter zufolge wird der Schutz dabei umso effektiver, je mehr Webseiten das Angebot nutzen.

Betrügerische Bestellungen bei Online-Händlern sind ein Problem gewaltigen Ausmaßes. Nach Schätzung der Visa-Tochter CyberSource haben 2011 allein nordamerikanische Anbieter dadurch 3,4 Mrd. Dollar verloren. Ein Schaden für Händler entsteht beispielsweise dann, wenn es zu Rückbuchungen nach Käufen mit gestohlenen Kreditkarten kommt und die Waren bereits verschickt wurden. Sift Science verweist eben darauf mit der impliziten Warnung, dass so ein vermeintlich guter Monat für einen Online-Händler plötzlich zur Katastrophe werden kann.

Aktuelle Lösungen zur Betrugsbekämpfung nutzen dem Start-up zufolge 175 bis 225 Regeln und vielleicht noch einfache statistische Modelle, um verdächtige Transaktionen zu erkennen. Doch Betrüger spielen nicht nach Regeln, so Sift Science. Daher setzt das Unternehmen bei seinem System auf Maschinenlernen, eine Analyse des Verhaltens von ehrlichen Nutzern wie auch Betrügern, und hat nach eigenen Angaben aus hunderten Mio. User-Aktionen bereits eine Mio. Muster extrahiert, um Betrug vorauszuahnen und möglichst auch neue kriminelle Tricks als solche zu erkennen.

Der Ansatz beruht letztlich darauf, dass es viele kleine Details gibt, die auf betrügerische Absichten eines Users hindeuten. Laut Sift Science ist eine Rückbuchung beispielsweise sieben Mal wahrscheinlicher, wenn ein User nach dem Signup auf einer Webseite erst eine Stunde wartet, statt seine Transaktion gleich abzuschließen. Falls ein User mit nigerianischer IP-Adresse eine Zahlungsadresse in Kalifornien angibt, sei das verdächtig. Auch bestimmte Browser-Konfigurationen und die Art, wie ein Nutzer durch eine Webseite navigiert oder Text eingibt, können demnach Indizien für eine betrügerische Absicht sein.

Der Betreiber einer Website muss zur Nutzung des Systems lediglich ein wenig JavaScript-Code einfügen und Informationen bereitstellen, die Aufschluss darüber geben können, wie Betrugsversuche in der Vergangenheit ausgesehen haben. Das soll dem System helfen, die spezifische Seite gut zu schützen und auch dazu beitragen, ähnliche Tricks bei anderen Webseiten zu erkennen. Das System ist laut Sift Science unter anderem schon bei Airbnb, Uber und Listia im Einsatz.

Ihre Meinung dazu? Schreiben Sie hier!

#Betrug #Kreditkarten #Bezahlung #Zahlungsausfall #eCommerce #Bonität

Newsticker per eMail oder RSS/Feed!

Auch interessant!
Verdienst als AirBnb-Fotograf?
Immer wieder beleuchten wir Möglichkeiten für Einkommen von Fotografen auch über das Buch hinaus. Heute s...

Modell Airbnb am Ende
Das Geschäftsmodell, bei dem über eine Onlineplattform ganz normale Wohnungen als Pension vermietet werde...

Bezahlen mit dem Gesicht
Gesichtserkennung ist mittlerweile auch ein Thema bei Login-Vorgängen und Sperrmechanismen am Smarthone. ...

Gefahren bei Krediten
Nicht nur die Banken haben Probleme mit Krediten, wenn sie nicht zurückgezahlt werden - also als notleide...

Rating, Schulden und Folgen für Österreich
Österreich hat Top-Bonität und gewinnt durch die Krise auch noch als 'Sicherer Hafen' an Glaubwürdigkeit....

Kredit trotz KSV oder Schufa-Eintrag
Irgendwann ist das Kreditlimit einer Bank erreicht und bei Problemen mit der Rate schnell der Eintrag bei...

Strom und Bonität
Im Anfang Jänner 2007 veröffentlichten Regierungsprogramm wurde angeführt, dass der Anteil der erneuerbar...

Freemail-User zahlen schlechter
Das Inkasso-Unternehmen Mediafinanz hat 360.000 Inkassofälle untersucht und festgestellt, dass die 'schle...