Sift宣布推出ThreatClusters
最新季度产品发布展示了在付款和ATO欺诈方面的进展，为更准确的欺诈检测添加了新的风险信号。
{ width=60% }
Sift，这家为全球领先企业提供数字信任保障的人工智能驱动欺诈平台，今天宣布推出ThreatClusters，这是一项突破性的数据科学创新，用于欺诈检测。ThreatClusters通过将行业特定模型洞察的关键层与全球模型的广泛智能结合，为欺诈决策准确性增添了一层关键性的信息，从而提高了欺诈决策的准确性。
欺诈行为者正在使用日益复杂的攻击，包括人工智能驱动的威胁，这些攻击可以淹没和智胜许多欺诈防范策略。传统的欺诈检测模型往往表现不佳，要么过于狭隘地关注单一组织的数据，要么过于广泛地跨越多样化行业。ThreatClusters通过将具有相似欺诈模式的公司聚类到群组中以考虑风险模式上的微妙之处，并推动更准确的欺诈决策。
通过利用Sift的专有技术，客户既能使用经过细化调整的群模型来检测，同时也可以使用可以提供其他群集中新的欺诈向量信息的检测模型。
ThreatClusters的关键特性和优势：
- 提升准确性：ThreatClusters通过添加行业特定欺诈模式的洞察可以帮助增加欺诈检测准确性，降低误报/漏报风险高达20%。
- 较快的价值实现周期：全球模型和群模型的整合加速了模型的准确性，提供更快的采用过程和更快的业务利益实现。
- 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，可以在不损害客户体验和转化率的情况下引发适当的摩擦。
Sift的首席产品官Raviv Levi表示：“ThreatClusters代表着我们在帮助企业抵御诈骗者方面迈出的重要一步。通过引入行业特定的贡献模型，我们可以为客户提供前所未有的洞察，了解独特于其行业的欺诈模式，同时保护免受来自其他行业的新兴威胁。因此，我们的客户能够更好地评估风险，保护收入，并无畏地成长。”
除了ThreatClusters，Sift的最新发布还包括其他关键创新，优化评分准确性，让欺诈和风险团队能够更轻松地检测不同使用情况下的复杂欺诈行为，包括支付欺诈和账户劫持。
有关Sift的ThreatClusters和其他最新创新的更多信息，请访问Sift的博客。。
探索AITechPark，了解人工智能、物联网、网络安全、AITech新闻以及来自行业专家的深入更新！
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
