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，这家AI驱动的欺诈平台为全球领先企业提供数字信任保障，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。{ width=60% }

---

ThreatClusters通过在行业特定模型洞察力上添加关键层次，将客户特定风险模型的精确性与全球模型的广泛智能相结合，从而为每个行业独特的风险信号提供了增强的欺诈决策准确性。
欺诈行为者正在开展日益复杂的攻击，包括采用AI技术的威胁，这些能够淹没并智胜许多欺诈预防策略。 传统的欺诈检测模型往往效果不佳，要么过于集中于一个单一组织的数据，要么在不同行业中过于广泛应用见解。 ThreatClusters通过将具有相似欺诈模式的公司聚类成队伍，以考虑风险模式的细微差异，从而推动更准确的欺诈决策。
通过利用Sift的专有技术，客户既可以使用针对其集群进行微调的检测模型，同时还可以利用其他集群的检测模型，以便了解新的欺诈向量。

ThreatClusters的关键特点和优势：

1. 增强准确性：ThreatClusters通过增加行业特定欺诈模式的洞察力，将欺诈检测准确性提高，将误报/漏报风险降低高达20%。
2. 更快的价值实现时间：全球和队列模型的整合能够加速模型准确性，为企业提供更快的采用过程和更快的受益实现。
3. 优化用户摩擦：行业特定欺诈模式能更好地区分合法用户和欺诈行为者，从而在不影响客户体验和转化率的情况下引起步进式的摩擦。

Sift的首席产品官Raviv Levi表示：“ThreatClusters代表了我们使企业领先于欺诈者的重大进步。通过引入行业特定的联合模型，我们可以为客户提供关于独特于其行业的欺诈模式的前所未有的洞察，同时还能保护其免受其他行业新兴模式的影响。因此，我们的客户更能够评估风险、保护收入并无畏成长。”
除了ThreatClusters，Sift最新发布的版本还包括其他关键创新，优化评分准确性，并允许欺诈和风险团队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ThreatClusters和Sift最新创新的更多信息，请访问Sift博客这里。

Explore AITechPark，了解人工智能、物联网、网络安全、人工智能技术新闻和行业专家的见解！
。

注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

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。