DE202022107234U1 - Online banking fraud detection system using blockchain and artificial intelligence through backlogging - Google Patents
Online banking fraud detection system using blockchain and artificial intelligence through backlogging Download PDFInfo
- Publication number
- DE202022107234U1 DE202022107234U1 DE202022107234.5U DE202022107234U DE202022107234U1 DE 202022107234 U1 DE202022107234 U1 DE 202022107234U1 DE 202022107234 U DE202022107234 U DE 202022107234U DE 202022107234 U1 DE202022107234 U1 DE 202022107234U1
- Authority
- DE
- Germany
- Prior art keywords
- user
- module
- transaction
- backlogging
- detection module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 15
- 238000007405 data analysis Methods 0.000 claims abstract description 3
- 230000006399 behavior Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 33
- 230000007246 mechanism Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q2220/00—Business processing using cryptography
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
System (10) zur Erkennung von Betrug bei Online-Bankgeschäften mittels Blockchain und künstlicher Intelligenz durch Backlogging, wobei das System umfasst:
ein Benutzerlimit-Erkennungsmodul (1), das zum Einstellen und Erkennen des Limits einer digitalen Karte eines Benutzers verwendet wird;
ein Backlogging-Modul (2), das zur Protokollierung und Aufzeichnung des Transaktionsverhaltens, des bereichsweisen Transaktionsverhaltens und der Aufzeichnungen der Orte, an denen die Karteninhaber Waren oder Dienstleistungen auf Offline- oder Online-Plattformen kaufen, unter Verwendung der Blockchain dient;
ein Modul (3) zur Verfolgung des Verhaltens des Karteninhabers, wobei das Modul (3) zur Verfolgung des Verhaltens des Karteninhabers verwendet wird, um zu bestimmen, ob sich ein Benutzer im Vergleich zu früheren Transaktionen des Benutzers unangemessen oder korrekt verhält, wobei die Rückverfolgungsdaten von dem Rückverfolgungsmodul der digitalen Karte des Benutzers in dem Server verwendet werden; und
ein Betrugserkennungsmodul (4), das mit dem BenutzerlimitErkennungsmodul (1), dem Backlogging-Modul (2) und dem Modul (3) zur Verfolgung des Karteninhaberverhaltens verbunden ist, wobei das Betrugserkennungsmodul (4) die nicht autorisierte Transaktion unter Verwendung der Datenanalyse des Backlogging-Moduls (2), des Standorts des Benutzers unter Verwendung eines mit einer mobilen Recheneinheit des Karteninhabers verbundenen Moduls erkennt, wobei das Betrugserkennungsmodul (4) die Karteninformationen, den Standort des Benutzers, die Art der Verkäufer sowie den Transaktionsbetrag erhält, um sicherzustellen, dass die Transaktion echt oder betrügerisch ist, wobei das Betrugserkennungsmodul (4) die Transaktion über eine Bankverbindung stoppt und dem Benutzer einen Fragebogen sendet, um sich selbst und einen echten Benutzer zu autorisieren.
System (10) for detecting online banking fraud using blockchain and artificial intelligence through backlogging, the system comprising:
a user limit detection module (1) used for setting and detecting the limit of a user's digital card;
a backlogging module (2) for logging and recording transaction behavior, transaction behavior by area, and records of locations where cardholders purchase goods or services on offline or online platforms using the blockchain;
a cardholder behavior tracking module (3), wherein the cardholder behavior tracking module (3) is used to determine whether a user is behaving inappropriately or correctly compared to previous transactions of the user, the tracking data used by the user's digital card tracing module in the server; and
a fraud detection module (4) connected to the user limit detection module (1), the backlogging module (2) and the cardholder behavior tracking module (3), the fraud detection module (4) detecting the unauthorized transaction using the data analysis of the backlogging - Module (2), detects the user's location using a module connected to a cardholder's mobile computing unit, wherein the fraud detection module (4) receives the card information, the user's location, the type of seller and the transaction amount to ensure that the transaction is genuine or fraudulent, whereby the fraud detection module (4) stops the transaction via a bank account and sends the user a questionnaire to authorize himself and a genuine user.
Description
BEREICH DER ERFINDUNGFIELD OF THE INVENTION
Die vorliegende Erfindung bezieht sich auf das Gebiet der Betrugserkennung bei Online-Bankgeschäften.The present invention relates to the field of online banking fraud detection.
Die vorliegende Erfindung bezieht sich insbesondere auf die Erkennung von Betrug bei Online-Bankgeschäften mithilfe von Blockchain und künstlicher Intelligenz.More particularly, the present invention relates to online banking fraud detection using blockchain and artificial intelligence.
Insbesondere bezieht sich die vorliegende Erfindung auf ein System zur Erkennung von Betrug bei Onlinebanking-Transaktionen auf der Grundlage von Backlogging unter Verwendung von Blockchain und künstlicher Intelligenz.In particular, the present invention relates to a system for detecting fraud in online banking transactions based on backlogging using blockchain and artificial intelligence.
HINTERGRUND DER ERFINDUNGBACKGROUND OF THE INVENTION
Bei dem im Abschnitt „Hintergrund“ behandelten Gegenstand sollte nicht davon ausgegangen werden, dass er allein aufgrund seiner Erwähnung im Abschnitt „Hintergrund“ zum Stand der Technik gehört. Ebenso sollte nicht davon ausgegangen werden, dass ein im Hintergrundabschnitt erwähntes oder mit dem Gegenstand des Hintergrundabschnitts verbundenes Problem bereits im Stand der Technik erkannt worden ist. Der Gegenstand des Hintergrundabschnitts stellt lediglich verschiedene Ansätze dar, die für sich genommen ebenfalls Erfindungen sein können.The subject matter discussed in the background section should not be assumed to constitute prior art merely by virtue of its mention in the background section. Likewise, it should not be assumed that any problem mentioned in the background section or associated with the subject matter of the background section has already been recognized in the prior art. The subject matter of the background section merely presents various approaches, which in themselves may also be inventions.
IN202041034119 ERKENNUNG VON KREDITKARTENBETRUG: INTELLIGENTES VERFAHREN ZUR ERKENNUNG VON KREDITKARTENBETRUG MITTELS DEEP LEARNING, MASCHINELLES LERNEN. Die Erfindung „Credit Card Fraud Detection“ ist ein intelligentes System und Verfahren zur Erkennung von betrügerischen Transaktionen mit einem intelligenten prädiktiven Modell wie ein Deep-Learning-Programmierung, neuronales Netz, um einzelne Kundenkonten (durch Kreditkarte) zu bewerten und zu identifizieren potenziell betrügerische Transaktionen (Zeit maximal 24 H) auf der Grundlage von gelernten Beziehungen, globale Bankdaten-Server unter bekannten Variablen. Das erfindungsgemäße System kann auch Grundcodes ausgeben, die die relativen Beiträge der verschiedenen Variablen zu einem bestimmten Ergebnis angeben, und das System überwacht regelmäßig (pro Transaktion verfolgen die Register mobile Lage und Kreditkarte Lage entsprechend erkennen) seine Leistung und entwickelt das Modell neu, wenn die Leistung unter ein vorbestimmtes Niveau fällt. Die Erfindung gibt auch die Wahrscheinlichkeit kann dann als Ausgabe an einen menschlichen Entscheidungsträger bei der Verarbeitung der pro Transaktion mit beiden Standortübereinstimmung (Kreditkarte, Handy-Nr.) oder der Emittent kann signalisiert werden, wenn die Wahrscheinlichkeit einen vorbestimmten Betrag überschreitet. Ein wirksames Betrugserkennungsmodell erfordert in der Regel mehr Variablen, als herkömmliche Parameteranalysesysteme verarbeiten können, und um neue Betrugsversuche zu erfassen, müssen die Parameteranalysesysteme häufig neu entwickelt werden, und eine automatische Neuentwicklung ist schwer zu realisieren.IN202041034119 CREDIT CARD FRAUD DETECTION: INTELLIGENT METHOD OF CREDIT CARD FRAUD DETECTION USING DEEP LEARNING, MACHINE LEARNING. The invention "Credit Card Fraud Detection" is an intelligent system and method for detecting fraudulent transactions using an intelligent predictive model such as a deep learning programming, neural network, to evaluate individual customer accounts (through credit card) and identify potentially fraudulent transactions (Time maximum 24 H) based on learned relationships, global bank data servers under known variables. The system of the present invention can also output reason codes indicating the relative contributions of the various variables to a given outcome, and the system periodically monitors (per transaction track the mobile location and credit card location registers accordingly) its performance and re-evolves the model when the performance falls below a predetermined level. The invention also gives the probability which can then be output to a human decision maker when processing the per transaction with either location match (credit card, cellphone no.) or the issuer can be signaled if the probability exceeds a predetermined amount. An effective fraud detection model typically requires more variables than traditional parameter analysis systems can handle, and in order to detect new fraud attempts, the parameter analysis systems must often be re-engineered and automatic re-engineering is difficult to implement.
Wie in der vorliegenden Beschreibung und in den folgenden Ansprüchen verwendet, schließt die Bedeutung von „ein“, „eine“ und „die“ den Plural ein, sofern der Kontext nicht eindeutig etwas anderes vorschreibt. Wie in der vorliegenden Beschreibung verwendet, schließt die Bedeutung von „in“ auch „in“ und „am“ ein, sofern der Kontext nicht eindeutig etwas anderes vorschreibt.As used in the present specification and the following claims, the meaning of "a", "an" and "the" includes the plural unless the context clearly dictates otherwise. As used in the present specification, the meaning of "in" also includes "in" and "am" unless the context clearly dictates otherwise.
Die Aufzählung von Wertebereichen dient lediglich als Kurzbezeichnung für jeden einzelnen Wert, der in den Bereich fällt. Sofern hier nicht anders angegeben, wird jeder einzelne Wert in die Spezifikation aufgenommen, als ob er hier einzeln aufgeführt wäre.The enumeration of value ranges serves only as a short name for each individual value that falls within the range. Unless otherwise noted here, each individual value is included in the specification as if it were individually listed here.
Die Verwendung von Beispielen oder beispielhaften Formulierungen (z. B. „wie“) in Bezug auf bestimmte Ausführungsformen dient lediglich der besseren Veranschaulichung der Erfindung und stellt keine Einschränkung des Umfangs der ansonsten beanspruchten Erfindung dar. Keine Formulierung in der Beschreibung ist als Hinweis auf ein nicht beanspruchtes Element zu verstehen, das für die Ausübung der Erfindung wesentlich ist.The use of examples or exemplary language (e.g., "such as") with respect to particular embodiments is intended solely to better illustrate the invention and should not be construed as limiting the scope of the otherwise claimed invention. No language in the specification is intended as an indication of a unclaimed element essential to the practice of the invention.
Die in diesem Abschnitt „Hintergrund“ offengelegten Informationen dienen lediglich dem besseren Verständnis des Hintergrunds der Erfindung und können daher Informationen enthalten, die nicht zum Stand der Technik gehören und die einem Fachmann in diesem Land bereits bekannt sind.The information disclosed in this Background section is only for enhancement of understanding of the background of the invention and therefore it may contain information that does not form the prior art and that is already known in this country to a person skilled in the art.
ZUSAMMENFASSUNGSUMMARY
Bevor die vorliegenden Systeme und Methoden beschrieben werden, sei darauf hingewiesen, dass diese Anwendung nicht auf die beschriebenen Systeme und Methoden beschränkt ist, da es mehrere mögliche Ausführungsformen geben kann, die in der vorliegenden Offenlegung nicht ausdrücklich dargestellt sind. Es ist auch zu verstehen, dass die in der Beschreibung verwendete Terminologie nur zur Beschreibung der besonderen Versionen oder Ausführungsformen dient und nicht dazu gedacht ist, den Umfang der vorliegenden Anwendung zu begrenzen.Before describing the present systems and methods, it should be noted that this application is not limited to the systems and methods described, as there may be several possible embodiments that are not expressly illustrated in the present disclosure. It is also to be understood that the terminology used in the specification is for the purpose of describing particular versions or embodiments only and is not intended to limit the scope of the present application.
Die vorliegende Erfindung behebt und löst hauptsächlich die technischen Probleme des Standes der Technik. Als Antwort auf diese Probleme offenbart die vorliegende Erfindung ein System zur Erkennung von Betrug bei Online-Bankgeschäften auf der Grundlage von Rückständen unter Verwendung von Blockchain und künstlicher Intelligenz.The present invention mainly addresses and solves the technical problems of the prior art. In response to these problems, the present invention discloses an online banking fraud detection system based on arrears using blockchain and artificial intelligence.
Ein Aspekt der vorliegenden Erfindung ist die Vorstellung eines Systems zur Erkennung von Betrug bei Online-Bankgeschäften auf der Grundlage von Backlogging unter Verwendung von Blockchain und künstlicher Intelligenz, wobei das System Folgendes umfasst: Ein Modul zur Erkennung des Benutzerlimits, das zum Einstellen und Erkennen des Limits einer digitalen Karte des Benutzers verwendet wird; ein Backlogging-Modul, das zum Protokollieren und Aufzeichnen des Transaktionsverhaltens, des bereichsweisen Transaktionsverhaltens und der Aufzeichnungen der Orte, an denen die Karteninhaber Waren oder Dienstleistungen auf Offline- oder Online-Plattformen kaufen, unter Verwendung von Blockchain verwendet wird; Ein Modul zur Verfolgung des Verhaltens des Karteninhabers, wobei das Modul zur Verfolgung des Verhaltens des Karteninhabers verwendet wird, um zu bestimmen, ob sich ein Benutzer im Vergleich zu früheren Transaktionen des Benutzers unangemessen oder korrekt verhält, indem die Backlogging-Daten vom Backlogging-Modul der digitalen Karte des Benutzers im Server verwendet werden; ein Betrugserkennungsmodul, das mit dem Benutzerlimiterkennungsmodul, dem Backlogging-Modul und dem Modul zur Verfolgung des Karteninhaberverhaltens verbunden ist, wobei das Betrugserkennungsmodul die nicht autorisierte Transaktion unter Verwendung der Datenanalyse des Backlogging-Moduls, des Standorts des Benutzers unter Verwendung eines mit einer mobilen Recheneinheit des Karteninhabers verbundenen Moduls erkennt, wobei das Betrugserkennungsmodul die Karteninformationen, den Standort des Benutzers, die Art des Verkäufers sowie den Transaktionsbetrag erhält, um sicherzustellen, dass die Transaktion echt oder betrügerisch ist, wobei das Betrugserkennungsmodul die Transaktion über eine Bankverbindung stoppt und einen Fragebogen an den Benutzer sendet, um sich selbst zu autorisieren und einen echten Benutzer zu erkennen.One aspect of the present invention is the provision of an online banking fraud detection system based on backlogging using blockchain and artificial intelligence, the system comprising: a user limit detection module used to set and detect the Limits of using a digital card of the user; a backlogging module used to log and record transaction behavior, area-wise transaction behavior and records of the locations where cardholders purchase goods or services on offline or online platforms using blockchain; A cardholder behavior tracking module, wherein the cardholder behavior tracking module is used to determine whether a user is behaving inappropriately or correctly compared to the user's previous transactions by using the backlogging data from the backlogging module the user's digital card in the server; a fraud detection module coupled to the user limit detection module, the backlogging module, and the cardholder behavior tracking module, the fraud detection module detecting the unauthorized transaction using the data ana Analysis of the backlogging module that detects the user's location using a module connected to a cardholder's mobile computing device, where the fraud detection module receives the card information, the user's location, the type of seller and the transaction amount to ensure that the transaction is genuine or is fraudulent, where the fraud detection module stops the transaction via a bank account and sends a questionnaire to the user to authorize itself and recognize a real user.
Figurenlistecharacter list
Um verschiedene Aspekte einiger Ausführungsbeispiele der vorliegenden Erfindung zu verdeutlichen, wird eine genauere Beschreibung der Erfindung durch Bezugnahme auf bestimmte Ausführungsformen, die in der beigefügten Zeichnung dargestellt sind, gegeben. Es wird davon ausgegangen, dass diese Zeichnung zeigt nur illustrierte Ausführungsformen der Erfindung und sind daher nicht als Einschränkung ihres Umfangs zu betrachten. Die Erfindung wird mit zusätzlicher Spezifität und Detail durch die Verwendung der beigefügten Zeichnung beschrieben und erläutert.In order to clarify various aspects of some embodiments of the present invention, a more detailed description of the invention will be given by reference to specific embodiments illustrated in the accompanying drawings. It is understood that these drawings only show illustrated embodiments of the invention and are therefore not to be considered as limiting its scope. The invention will be described and illustrated with additional specificity and detail through the use of the accompanying drawings.
Damit die Vorteile der vorliegenden Erfindung leicht verstanden werden, wird im Folgenden eine detaillierte Beschreibung der Erfindung in Verbindung mit der beigefügten Zeichnung erörtert, die jedoch nicht als Beschränkung des Umfangs der Erfindung auf die beigefügte Zeichnung angesehen werden sollte, in der:
DETAILLIERTE BESCHREIBUNGDETAILED DESCRIPTION
Die vorliegende Erfindung bezieht sich auf ein System zur Erkennung von Betrug bei Online-Bankgeschäften auf der Grundlage von Rückständen unter Verwendung von Blockchain und künstlicher Intelligenz.The present invention relates to an online banking fraud detection system based on arrears using blockchain and artificial intelligence.
Obwohl die vorliegende Offenlegung mit dem Ziel beschrieben wurde, ein System zur Erkennung von Betrug bei Online-Bankgeschäften auf der Grundlage von Backlogging unter Verwendung von Blockchain und künstlicher Intelligenz zu entwickeln, sollte man sich darüber im Klaren sein, dass dies lediglich dazu dient, die Erfindung beispielhaft zu veranschaulichen und jeden anderen Zweck oder jede andere Funktion hervorzuheben, für den bzw. die die erläuterten Strukturen oder Konfigurationen verwendet werden könnten und der bzw. die in den Anwendungsbereich der vorliegenden Offenlegung fällt.Although the present disclosure has been described with the aim of developing an online banking fraud detection system based on backlogging using blockchain and artificial intelligence, it should be understood that this is only intended to To exemplify the invention and to highlight any other purpose or function for which the illustrated structures or configurations could be used and which falls within the scope of the present disclosure.
Das System (10) zur Erkennung von Betrug bei Online-Bankgeschäften mittels Blockchain und künstlicher Intelligenz basiert auf Rückständen und wird offengelegt.The system (10) for detecting online banking fraud using blockchain and artificial intelligence is backlogged and disclosed.
Das System umfasst ein Modul zur Erkennung von Benutzergrenzen (1), ein Modul zur Erfassung von Rückständen (2), ein Modul zur Verfolgung des Karteninhaberverhaltens (3) und ein Modul zur Betrugserkennung (4).The system includes a user limit detection module (1), a arrears detection module (2), a cardholder behavior tracking module (3), and a fraud detection module (4).
Das Modul zur Erkennung des Benutzerlimits (1) dient zur Einstellung und Erkennung des Limits einer digitalen Karte des Benutzers.The user limit detection module (1) is used to set and detect the limit of a user's digital card.
Das Backlogging-Modul (2) dient zur Protokollierung und Aufzeichnung des Transaktionsverhaltens, des bereichsweisen Transaktionsverhaltens und der Aufzeichnungen der Orte, an denen die Karteninhaber Waren oder Dienstleistungen auf Offline- oder Online-Plattformen unter Verwendung der Blockchain kaufen.The backlogging module (2) is used to log and record the transaction behavior, area-by-area transaction behavior and records of the locations where the cardholders buy goods or services on offline or online platforms using the blockchain.
Das Modul zur Verfolgung des Karteninhaberverhaltens (3) wird verwendet, um festzustellen, ob sich ein Benutzer im Vergleich zu früheren Transaktionen des Benutzers unangemessen oder korrekt verhält, indem die Backlogging-Daten vom Backlogging-Modul der digitalen Karte des Benutzers im Server verwendet werden.The cardholder behavior tracking module (3) is used to determine whether a user is behaving inappropriately or correctly compared to the user's previous transactions by using the backlogging data from the backlogging module of the user's digital card in the server.
Das Betrugserkennungsmodul (4) ist mit dem Benutzerlimit-Erkennungsmodul (1), dem Backlogging-Modul (2) und dem Modul zur Verfolgung des Karteninhaberverhaltens (3) verbunden.The fraud detection module (4) is connected to the user limit detection module (1), the backlogging module (2) and the cardholder behavior tracking module (3).
Das Betrugserkennungsmodul (4) erkennt die unbefugte Transaktion anhand der Datenanalyse des Backlogging-Moduls (2), des Standorts des Benutzers über ein mit einer mobilen Recheneinheit des Karteninhabers verbundenes Modul.The fraud detection module (4) detects the unauthorized transaction based on the data analysis of the backlogging module (2), the user's location via a module connected to the cardholder's mobile computing unit.
Das Betrugserkennungsmodul (4) ermittelt die Kartendaten, den Standort des Benutzers, die Art des Verkäufers sowie den Transaktionsbetrag, um sicherzustellen, dass es sich um eine echte Transaktion oder einen Betrug handelt.The fraud detection module (4) determines the card details, the user's location, the type of seller and the transaction amount to ensure that the transaction is genuine or fraudulent.
Das Betrugserkennungsmodul (4) stoppt die Transaktion über die Bankverbindung und sendet einen Fragebogen an den Benutzer, um sich zu autorisieren und einen echten Benutzer zu identifizieren.The fraud detection module (4) stops the transaction via the bank details and sends a questionnaire to the user to authorize and identify a real user.
Das Betrugserkennungsmodul (4) prüft die früheren Interaktionen des Benutzers mit dem System, um festzustellen, ob ungewöhnliche Zahlungsmuster vorliegen.The fraud detection module (4) examines the user's previous interactions with the system to determine if there are any unusual payment patterns.
Das Betrugserkennungsmodul (4) dient der Analyse von Vorverarbeitungsdaten, dem Abgleich von digitalen Kartentransaktionsdaten, dem Erzeugen normaler Daten als Betrugsdaten und dem Markieren und Erkennen eines Musters in einer Trainingsphase aus dem Backlogging-Modul (2) unter Verwendung von maschinellem Lernen.The fraud detection module (4) is used to analyze pre-processing data, match digital card transaction data, generate normal data as fraud data, and mark and recognize a pattern in a training phase from the backlogging module (2) using machine learning.
Das Betrugserkennungsmodul (4) wird verwendet, um Informationen zu sammeln, einschließlich Transaktionsinformationen, die den Karteninhaber und das Produkt/die Dienstleistung identifizieren, Karteninformationen, die mit dem Karteninhaber verbunden sind und die digitale Karte identifizieren, die bei der Transaktion verwendet werden soll, sowie eine Konsistenzprüfung, die feststellt, ob die digitalen Karteninformationen mit dem Karteninhaber übereinstimmen, und eine automatische Überprüfung des Karteninhabers durchführt.The fraud detection module (4) is used to collect information including transaction information identifying the cardholder and the product/service, card information associated with the cardholder and identifying the digital card to be used in the transaction, as well as a consistency check that determines whether the digital card information matches the cardholder and performs an automatic cardholder verification.
Die Abbildung und die vorangehende Beschreibung zeigen Beispiele für Ausführungsformen. Der Fachmann wird verstehen, dass eines oder mehrere der beschriebenen Elemente durchaus zu einem einzigen Funktionselement kombiniert werden können. Alternativ dazu können bestimmte Elemente in mehrere Funktionselemente aufgeteilt werden. Elemente aus einer Ausführungsform können einer anderen Ausführungsform hinzugefügt werden. Die Reihenfolge der hier beschriebenen Prozesse kann beispielsweise geändert werden und ist nicht auf die hier beschriebene Weise beschränkt. Darüber hinaus müssen die Aktionen eines Blockdiagramms nicht in der gezeigten Reihenfolge ausgeführt werden, und es müssen auch nicht unbedingt alle Aktionen ausgeführt werden. Auch können diejenigen Handlungen, die nicht von anderen Handlungen abhängig sind, parallel zu den anderen Handlungen ausgeführt werden. Der Umfang der Ausführungsformen ist durch diese spezifischen Beispiele keineswegs begrenzt.The figure and the preceding description show examples of embodiments. Those skilled in the art will understand that one or more of the elements described may well be combined into a single functional element. Alternatively, certain elements can be broken down into multiple functional elements. Elements from one embodiment may be added to another embodiment. For example, the order of the processes described herein may be changed and is not limited to the manner described herein. In addition, the actions of a block diagram do not need to be performed in the order shown, and not all actions need to be performed. Also, those actions that are not dependent on other actions can be performed in parallel with the other actions. The scope of the embodiments is in no way limited by these specific examples.
Obwohl Ausführungsformen der Erfindung in einer für strukturelle Merkmale und/oder Methoden spezifischen Sprache beschrieben wurden, sind die beigefügten Ansprüche nicht notwendigerweise auf die beschriebenen spezifischen Merkmale oder Methoden beschränkt. Vielmehr werden die spezifischen Merkmale und Methoden als Beispiele für Ausführungsformen der Erfindung offenbart.Although embodiments of the invention have been described in language specific to structural features and/or methods, the appended claims are not necessarily limited to the specific features or methods described. Rather, the specific features and methods are disclosed as examples of embodiments of the invention.
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent Literature Cited
- US 08386386 [0006]US08386386 [0006]
- CN 111210343 [0007]CN111210343 [0007]
- US 6715672 [0008]US6715672 [0008]
- CN 112270548 [0009]CN 112270548 [0009]
- US 20150269662 [0010]US20150269662 [0010]
- US 20210357941 [0011]US20210357941 [0011]
- CN 113657989 [0012]CN 113657989 [0012]
- EP 3910582 [0013]EP 3910582 [0013]
- EP 3201838 [0014]EP 3201838 [0014]
- US 038572 [0015]US038572 [0015]
- US 6029154 [0016]US6029154 [0016]
- US 20100228649 [0017]US20100228649 [0017]
- CN 112330328 [0018]CN112330328 [0018]
Claims (4)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE202022107234.5U DE202022107234U1 (en) | 2022-12-23 | 2022-12-23 | Online banking fraud detection system using blockchain and artificial intelligence through backlogging |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE202022107234.5U DE202022107234U1 (en) | 2022-12-23 | 2022-12-23 | Online banking fraud detection system using blockchain and artificial intelligence through backlogging |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202022107234U1 true DE202022107234U1 (en) | 2023-02-13 |
Family
ID=85384232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202022107234.5U Active DE202022107234U1 (en) | 2022-12-23 | 2022-12-23 | Online banking fraud detection system using blockchain and artificial intelligence through backlogging |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE202022107234U1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195130A (en) * | 2023-09-19 | 2023-12-08 | 深圳市东陆高新实业有限公司 | Intelligent all-purpose card management system and method |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US38572A (en) | 1863-05-19 | Improved window-sash fastener | ||
US6029154A (en) | 1997-07-28 | 2000-02-22 | Internet Commerce Services Corporation | Method and system for detecting fraud in a credit card transaction over the internet |
US6715672B1 (en) | 2002-10-23 | 2004-04-06 | Donald Tetro | System and method for enhanced fraud detection in automated electronic credit card processing |
US20100228649A1 (en) | 1997-07-28 | 2010-09-09 | John Philip Pettitt | Method and system for detecting fraud in a credit card transaction over the internet |
US8386386B1 (en) | 2009-01-05 | 2013-02-26 | Sprint Communications Company L.P. | Phone usage pattern as credit card fraud detection trigger |
US20150269662A1 (en) | 2014-03-18 | 2015-09-24 | Xerox Corporation | Method and apparatus for verifying a validity of communication from a fraud detection service |
EP3201838A1 (en) | 2014-10-02 | 2017-08-09 | MasterCard International Incorporated | Credit card with built-in sensor for fraud detection |
CN111210343A (en) | 2020-02-21 | 2020-05-29 | 浙江工商大学 | Credit card fraud detection method based on unbalanced stream data classification |
CN112270548A (en) | 2020-11-17 | 2021-01-26 | 中国人民解放军国防科技大学 | Credit card fraud detection method based on deep learning |
CN112330328A (en) | 2019-08-05 | 2021-02-05 | 四川大学 | Credit card fraud detection method based on feature extraction |
CN113657989A (en) | 2020-05-12 | 2021-11-16 | 第一资本服务有限责任公司 | System, method, and computer-accessible medium for early merchant default fraud detection |
-
2022
- 2022-12-23 DE DE202022107234.5U patent/DE202022107234U1/en active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US38572A (en) | 1863-05-19 | Improved window-sash fastener | ||
US6029154A (en) | 1997-07-28 | 2000-02-22 | Internet Commerce Services Corporation | Method and system for detecting fraud in a credit card transaction over the internet |
US20100228649A1 (en) | 1997-07-28 | 2010-09-09 | John Philip Pettitt | Method and system for detecting fraud in a credit card transaction over the internet |
US6715672B1 (en) | 2002-10-23 | 2004-04-06 | Donald Tetro | System and method for enhanced fraud detection in automated electronic credit card processing |
US8386386B1 (en) | 2009-01-05 | 2013-02-26 | Sprint Communications Company L.P. | Phone usage pattern as credit card fraud detection trigger |
US20150269662A1 (en) | 2014-03-18 | 2015-09-24 | Xerox Corporation | Method and apparatus for verifying a validity of communication from a fraud detection service |
EP3201838A1 (en) | 2014-10-02 | 2017-08-09 | MasterCard International Incorporated | Credit card with built-in sensor for fraud detection |
CN112330328A (en) | 2019-08-05 | 2021-02-05 | 四川大学 | Credit card fraud detection method based on feature extraction |
CN111210343A (en) | 2020-02-21 | 2020-05-29 | 浙江工商大学 | Credit card fraud detection method based on unbalanced stream data classification |
CN113657989A (en) | 2020-05-12 | 2021-11-16 | 第一资本服务有限责任公司 | System, method, and computer-accessible medium for early merchant default fraud detection |
EP3910582A1 (en) | 2020-05-12 | 2021-11-17 | Capital One Services, LLC | System, method and computer-accessible medium for early merchant breach fraud detection |
US20210357941A1 (en) | 2020-05-12 | 2021-11-18 | Capital One Services, Llc | System, method and computer-accessible medium for early merchant breach fraud detection |
CN112270548A (en) | 2020-11-17 | 2021-01-26 | 中国人民解放军国防科技大学 | Credit card fraud detection method based on deep learning |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195130A (en) * | 2023-09-19 | 2023-12-08 | 深圳市东陆高新实业有限公司 | Intelligent all-purpose card management system and method |
CN117195130B (en) * | 2023-09-19 | 2024-05-10 | 深圳市东陆高新实业有限公司 | Intelligent all-purpose card management system and method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11429964B2 (en) | Anomaly and fraud detection with fake event detection using line orientation testing | |
Dorronsoro et al. | Neural fraud detection in credit card operations | |
US8290836B2 (en) | Identification and risk evaluation | |
US7225977B2 (en) | Fraud deterrence in connection with identity documents | |
CN116342259A (en) | Automatic user credit rating method and device, electronic equipment and medium | |
CN109509093B (en) | Transaction security control method and system based on main body portrait | |
US20080021801A1 (en) | Dynamic multidimensional risk-weighted suspicious activities detector | |
CN111861732A (en) | Risk assessment system and method | |
US12073397B2 (en) | Anomaly and fraud detection with fake event detection using pixel intensity testing | |
DE202022107234U1 (en) | Online banking fraud detection system using blockchain and artificial intelligence through backlogging | |
CN114638688A (en) | Interception strategy derivation method and system for credit anti-fraud | |
DE4407998C2 (en) | Method and device for recognizing a pattern on a document | |
US12039615B2 (en) | Anomaly and fraud detection with fake event detection using machine learning | |
CN115564591A (en) | Financing product determination method and related equipment | |
CN113919937B (en) | KS monitoring system based on loan assessment wind control | |
EP1081665B1 (en) | Expert system | |
Ukoma | Effect of forensic auditing on reducing fraud cases in Nigeria money deposit banks | |
CN106570531A (en) | Payment device similarity calculation method and payment device similarity calculation system | |
EP1208541B1 (en) | Expert system | |
DE112020005484T5 (en) | INTELLIGENT AGENT TO SIMULATE CUSTOMER DATA | |
Umoh et al. | Biometrics and Fraud Control in the Akwa Ibom State Civil Service | |
CH715150A2 (en) | Procedure for securing payments. | |
EP2345986A1 (en) | Method for recording financial transactions | |
Gleichmann | The detection of fraudulent financial statements using textual and financial data | |
DE202022106893U1 (en) | Cybersecurity system based on machine learning to filter data communications in 6G networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R207 | Utility model specification | ||
R082 | Change of representative |
Representative=s name: LIPPERT STACHOW PATENTANWAELTE RECHTSANWAELTE , DE |