Sift宣布推出ThreatClusters

最新季度产品发布揭示了在支付和ATO欺诈方面的进展，为更准确的欺诈检测增加了新的风险信号
今日，AI动力欺诈平台Sift宣布推出ThreatClusters，这是一项针对欺诈检测的突破性数据科学创新。{ width=60% }

---

ThreatClusters通过添加关键的具有行业特定模型洞察力的层次，将客户特定风险模型的精度与全球模型的广泛智能相结合，以推导出每个行业独特的风险信号，提高了欺诈决策的准确性。
欺诈行为者正在部署日益复杂的攻击，包括由人工智能驱动的威胁，这些威胁可能会压倒和智胜许多欺诈防范策略。传统的欺诈检测模型通常表现不佳，要么过于狭隘地关注单个组织的数据，要么过于广泛地应用于不同行业。ThreatClusters通过将拥有类似欺诈模式的公司聚合成队列以考虑风险模式中的细微差异，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集群进行微调的检测模型以及可以提供其他集群新欺诈向量信息的检测模型。

ThreatClusters的关键特点和优势：
增强准确性：ThreatClusters通过增加行业特定欺诈模式的洞察力，帮助提高欺诈检测的准确性，从而将误报/漏报风险降低高达20%。
更快的价值达成时间：全球模型和队列模型的集成加速了模型的准确性，提供更快的采用过程和更快的业务效益实现。
优化用户摩擦：行业特定的欺诈模式更好地区分合法用户和欺诈行为者，引发升级摩擦而不损害客户体验和转化率。

Sift首席产品官Raviv Levi表示：“ThreatClusters代表了我们使企业走在诈骗者前面的重大飞跃。通过引入行业特定的联合模型，我们可以为客户提供对其行业独特的欺诈模式以及保护免受其他行业新兴欺诈威胁的前所未有的洞察力。因此，我们的客户更能够评估风险，保护收入，并无惧地成长。”
除了ThreatClusters，Sift最新的版本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检测不同用例中的复杂欺诈行为，包括支付欺诈和账户劫持。
有关Sift最近创新的ThreatClusters和其他更多信息，请访问Sift博客 在此。

探索AITechPark，了解人工智能、物联网、网络安全、AI技术新闻以及行业专家的深刻见解！

---

---

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。