数字欺诈已从偶发事件演变为电商日常运营的一部分。Nethone数据显示，1月和2月疑似欺诈尝试持续超4亿次。即便在退货、退款及投诉高峰期，攻击者仍持续活跃，极大增加了检测难度。
此类攻击主要瞄准高价值数字商业领域，如高价商品电商及航空票务公司。因犯罪吸引力大，这些企业被迫加速创新，成为最新欺诈检测技术的试验场。
高风险业务特征
与高价值操作、即时流动性或大规模交易量相关的业务通常被视为“高风险”，主要包括：
- 销售电子产品等昂贵物品的电商平台，以及处理易转售奢侈品的市场；
- 网络游戏和博彩业，资源流动快且易增值；
- 旅游和航空票务，平均交易价值高且具备即时转售潜力；
- 加密货币和数字资产，交易具有匿名性、高流动性及无国界特征；
- 金融科技服务，开户及互动环节易受社会工程学及账户接管诈骗影响。
上述企业每日面临复杂威胁，必须不断提高安全标准并持续创新。其他企业应密切关注，因为高风险领域的风险往往会在短时间内蔓延至整个市场。
传统预防方法的局限
基于注册数据和交易历史的静态拦截模型存在明显短板：过度拦截会导致误报率上升及合法客户流失，且无法应对动态变化的攻击手段。 sophisticated 的欺诈分子已学会操纵证件号、地址及克隆卡等静态数据。
拦截过多损失销售额，过少则导致财务损失。因此，引入行为分析至关重要。高风险领域已达成共识：不再仅评估用户申报信息，而是深入分析其在线行为模式。
有效的行为指标包括：
- 打字速度和模式；
- 地理位置与账单地址不一致；
- 使用VPN或设备模拟器；
- 导航流程（页面停留时间、重复尝试次数、点击路径）。
欺诈者虽可获取地籍数据，但难以持续复制合法的行为模式。
人工智能的一线应用
高价值数字商务的经验表明，反欺诈绝非一成不变，而是需随犯罪手法演变持续更新的过程。所有电商平台都应采取主动姿态，因为声誉、现金流和客户关系均取决于威胁检测能力。
大规模应用AI技术可实时检测异常，这对需即时决策的行业至关重要。AI系统具备持续学习能力，能随新攻击向量的识别不断优化模型，对新兴行为做出更快速有效的响应。
AI虽未完全取代人工分析，但通过自动化处理海量请求，为反欺诈团队提供有力支撑，构建起更坚固的防御体系。
全行业需迅速跟进
高风险行业的投资与安全策略应成为全市场的参考。攻防双方技术同步演进，在高针对性行业测试的手段很快会扩散至其他领域。
欺诈行为日益动态化，不再局限于特定商业节点，将其视为单纯的“IT问题”是错误的。仅在黑五前加强防御远远不够，中等风险行业也应优先投资行为技术和AI。
关注高风险行业的应对策略，有助于更好地准备迎接即将席卷整个市场的挑战。欺诈预防不仅是防御措施，更是核心商业策略。
作者：Thiago Bertacchini，Nethone 销售主管