[发明专利]嵌入从拒绝数据推断的反应对应

说明书

一种使用过去交易拒绝来预测未来欺诈行为的计算机实施的方法。确定账户的交易已被拒绝，并且确定风险评分。将所述风险评分与风险阈值进行比较。响应于所述风险评分被确定为超过所述风险阈值，将所述交易与过去诈骗犯的交易简档中的一个或多个交易进行比较。确定所述过去诈骗犯的所述交易简档的最佳拟合，并且还确定所述过去诈骗犯的所述交易简档的所述最佳拟合的成功量度。如果所述成功量度超过阈值，则所述方法基于所述交易更新过去诈骗犯的简档以包括已被拒绝的所述交易。所述方法预测未来欺诈交易，并且尝试基于所预测的未来欺诈交易阻止未来欺诈交易。

技术领域

本文讨论的实施例大体上涉及欺诈交易以及拒绝交易数据。

背景技术

信用卡使得用户能够在各种情况下不用现金进行购买。这种便利有时是以罪犯从用户获得信用卡号为代价的。例如，当信用卡和/或信用卡号被交给餐饮场所的服务员时，罪犯已经复制了它们。这些复制的卡或号码可能会进入黑市，且罪犯可能会使用他人的号码购买商品和服务。罪犯获得他人信用卡的其它方式是通过黑客攻击商家的计算机系统来获得号码。

用户过去常常花费时间仔细审阅信用卡对账单，以标识这些欺诈收费，并将其报告给卡发行方，以便调查和/或撤销所述收费。由于损失将由银行或发行方承担，因此这些机构从一开始就已采用各种方法来主动防止欺诈收费。

然而，欺诈收费是由智能代理或罪犯引起的动态问题，所述智能代理或罪犯可以快速适应这些机构采用的静态欺诈模型。此外，(例如，身份盗用预防机构)就在暗网中标识和追踪被盗卡号方面做了大量努力，以便主动向用户提供解决方案。

因此，实施例尝试通过采用可预测诈骗犯的下一步行动的机器学习(ML)或人工智能(AI)系统来创建技术解决方案，以解决上述挑战的不足。

发明内容

实施例使得系统能够首先提供预期的欺诈风险数据，并在使用实时拒绝信息发布后更新数据。在一个实施例中，可进一步提供拒绝信息，以及使用博弈论调整的加权矩阵。在一个实施例中，数据可包括索引表。此外，在面临拒绝时，系统可鉴于历史数据预测次优解矩阵。实施例可进一步提供这些次优解，以更新要由实时风险评分模型获取的动态风险索引表。

附图说明

本领域的一般技术人员可以了解，为了简单和清晰起见而说明图中的元件，因此并未示出所有的连接和选项。例如，通常可以不描绘在商业上可行的实施例中有用或必要的常见但很好理解的元件，以便有助于不大受妨碍地查看本公开的这些各种实施例。可以进一步了解，特定动作和/或步骤可以按特定发生顺序描述或描绘，而本领域的技术人员可以理解实际上不需要关于顺序的这类特定性。还可以理解，本文中所用的术语和表达可以相对于其对应的相应查询和研究领域来进行定义，除非本文中另外阐述了特定含义。

图1A是示出根据一个实施例的用于支付装置的已认证用户的典型购买交易的系统的图式。

图1B是示出根据一个实施例的用于嵌入从拒绝数据推断的反应对应的系统的图式。

图2A到2D是示出根据一个实施例的拒绝决策可生成预计的下一策略的图式。

图3是示出根据一个实施例的总体方案流程的图式。

图4是示出根据一个实施例的数据结构的图式。

图5是示出根据一个实施例的用于延迟的计算机实施的方法的流程图。

图6是示出根据一个实施例的便携式计算装置的图式。

图7是示出根据一个实施例的计算装置的图式。

具体实施方式