Sift宣布推出ThreatClusters
Latest quarterly product release unveils advancements in payment and ATO fraud, adds new risk signals for more accurate fraud detection
Sift，一家为全球领先企业提供数字信任保障的人工智能反欺诈平台，今日宣布推出ThreatClusters，这是一项突破性的数据科学创新，用于欺诈检测。
{ width=60% }
ThreatClusters通过增加关键的行业特定模型见解，将客户特定风险模型的精度与全球模型的广泛智能结合起来，从而得出每个行业独特的风险信号，以增强欺诈决策的准确性。
欺诈行为者部署了日益复杂的攻击，包括使用人工智能的威胁，这可能会击败并智胜许多防范欺诈的策略。传统的欺诈检测模型通常表现不佳，要么过于集中于单一组织的数据，要么过于广泛地应用于多样化的行业。ThreatClusters通过将具有类似欺诈模式的公司聚类成队列，以考虑风险模式的细微差别，并推动更准确的欺诈决策。
通过利用Sift的专有技术，客户能够同时使用针对其队列进行微调的检测模型以及可以提供来自其他队列的新欺诈矢量信息的检测模型。
ThreatClusters的主要特点和优势：
1.增强准确性：ThreatClusters通过添加行业特定欺诈模式的见解，帮助提高欺诈检测准确性，减少虚假阳性/阴性风险高达20%。
2.更快的投资回报时间：全球和队列模型的集成加速了模型准确性，提供了更快的采用过程和更快的业务效益实现。
3.精细化用户摩擦：行业特定欺诈模式更好地区分合法用户和欺诈行为者，触发步增摩擦，而不会影响客户体验和转化率。
“ThreatClusters代表我们在帮助企业保持领先于诈骗者方面迈出的重要一步，”Sift首席产品官Raviv Levi表示。“通过引入行业特定的联合模型，我们可以为客户提供关于他们行业独特的欺诈模式的前所未有的见解，同时防范来自其他行业新兴欺诈的风险。因此，我们的客户更能够评估风险，保护收入，大胆成长。”
除了ThreatClusters，Sift最新发布还包括其他关键创新，优化评分准确性，并使欺诈和风险团队能够更轻松地在不同用例中检测到复杂的欺诈行为，包括支付欺诈和账户劫持。
有关ThreatClusters和Sift最近创新的更多信息，请访问Sift的博客这里。
探索 AITechPark，了解人工智能、物联网、网络安全、AITech 新闻的最新发展，以及行业专家的深入见解！。
感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。
Sift宣布推出ThreatClusters
