TWI451345B - 交易查核率分數曲線之即時調適性控制 - Google Patents

交易查核率分數曲線之即時調適性控制 Download PDF

Info

Publication number
TWI451345B
TWI451345B TW099133702A TW99133702A TWI451345B TW I451345 B TWI451345 B TW I451345B TW 099133702 A TW099133702 A TW 099133702A TW 99133702 A TW99133702 A TW 99133702A TW I451345 B TWI451345 B TW I451345B
Authority
TW
Taiwan
Prior art keywords
inflection point
time series
check rate
signal
input time
Prior art date
Application number
TW099133702A
Other languages
English (en)
Other versions
TW201135610A (en
Inventor
Hung-Tzaw Hu
Jason Eaton
Scott Boding
Jianji Ma
Original Assignee
Cybersource Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cybersource Corp filed Critical Cybersource Corp
Publication of TW201135610A publication Critical patent/TW201135610A/zh
Application granted granted Critical
Publication of TWI451345B publication Critical patent/TWI451345B/zh

Links

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
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification
    • 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
    • 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
    • G06Q40/03—Credit; Loans; Processing thereof

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Complex Calculations (AREA)

Description

交易查核率分數曲線之即時調適性控制 [相關申請案之交互引用]
此申請案有關於在2002年5月8日申請之名稱為「評估電子商務交易中之詐欺風險的方法及設備(Method and Apparatus for Evaluating Fraud Risk in an Electronic Commerce Transaction)」的美國專利申請案號10/142,271，且有關於在2000年11月2日申請之名稱為「評估電子商務交易中之詐欺風險的方法及設備(Method and Apparatus for Evaluating Fraud Risk in an Electronic Commerce Transaction)」的美國專利申請案號09/708,124，這兩案之全部內容如同完整在此提出並針對各種目的地以引用方式併入此。
本發明主要有關於電子商務交易處理，且詳言之，關於評估電子商務交易中之詐欺風險的電腦及技術。
接受用於付款之銀行或信用卡的任何公司接受交易為詐欺的一些風險。然而，對於大部分的商家來說，接受信用卡的好處遠大於風險。傳統實體的商家，還有郵購及電話訂購的商家，受到設計成遏制並控制詐欺風險的業界保障措施及服務的支援，因為接受信用卡而享受著多年來生意的擴大。
信用卡交易被利用在多種環境中。在一典型的環境中，客戶、購買者、或其他使用者提供信用卡給商家，並且商家透過各種管道會驗證那個資訊是否正確。在一種方式中，使用信用卡授權。一般而言，信用卡授權涉及聯絡信用卡發卡端或其代理端，通常為銀行或國家信用卡協會，並接收關於是否有可供付款之資金(或信貸)且卡號是否有效的資訊。若未有通報卡片遺失且有資金，授權該交易。此程序造成向商家的「發卡端被認可」或「發卡端被拒絕」之自動化回應。若商家已經在例如電話訂購或郵購的「無卡」交易中接收到信用卡號，則信用卡授權服務經常輔以其他系統，但這是個別商家的責任。
雖然大部分的商家不接受造成「發卡端被拒絕」之回應的訂單，線上交易的自動化本質要求商家實行可處置卡片已被認可但驗證一項交易的其他資料仍有問題之例子的方針及程序。因此，購買者的銀行可能認可該交易，但交易是否有效確不清楚。
由於大量的合法銷售與未知的風險程度關聯，找出以最低潛在風險最大化有效訂單接受的方式至關重要。斷然拒絕這類訂單會負面影響銷售及客戶滿意度，而盲目的接受則會增加風險。
欲解決這些問題，商家以額外的篩選程序及系統來輔助卡片授權。一種這樣的額外程序為人工篩選訂單。雖然此方式在訂單量為低時還算有效，此方式沒有效率並增加無法隨生意調整之營業開銷。
【發明內容及實施方式】
電子商務
電子商務或線上商務為零售業及商業對商業商務之迅速擴大的領域。在電子商務中，買家或購買者正常從商家或商家的代理者獲取實體物品或數位物品或服務，以從購買者轉移到商家的價格來換取。在公共網路(如網際網路)上之電子商務需要特別小心以確保安全商業營運。
當一項交易涉及從線上服務或網際網路傳送資訊時，住址及身分資訊不足以有信心地驗證購買物品的客戶真的就是信用卡的所有人。例如，個人可具有特定持卡人之姓名與住址兩者且在常態交易中那個資訊可能足夠用來授權這一交易。然而，於網際網路交易中，有可能經由不誠實的管道獲得關於特定持卡人之所有正確資訊，因而完成詐欺交易。
電子商務詐欺被認為大部分是依據身分盜竊而非被偷的卡。一般而言，在依據身分盜竊之電子商務詐欺中，合法持卡人不會察覺或知道識別資訊或信用卡帳戶被非法地使用，直到持卡人查核月結帳單並發現詐欺交易。相反地，在卡被偷之情況中，持卡人失去卡本身並且通常會立刻告知信用卡公司人員或執法人員。結果，在電子商務中之詐欺的影響不同；其影響商家營業效率，且可能地商家之折扣率及接受信用卡的能力。
在一種方式中，線上商家嘗試藉由拒絕除了最安全外 的所有訂單或藉由設置人工篩選方法來避免此風險。然而，使用這些方式的商家一般得承受營業無效率及損失的銷售。這些商家回絕可能轉換成銷售之可觀的訂單量、增加開銷成本、並限制營業可擴充性。因此，詐欺及保護生意不受詐欺之過度嚴苛的方法或非自動化方法會負面影響生意營運。
雖然可以各種風險指標的方式來測試風險敏感的交易，確沒有任何所得之風險測試結果單獨足以用來判斷是否應接受或拒絕交易。必須分配一數值或權重因子給每一個測試結果作為整體交易風險之一成份。可結合這些成份並且將所得之結合風險估計轉變成單一數值指標，其可接著被用來判斷是否接受交易以供進一步處理或針對潛在拒絕來查核交易。
數學模型化
數學模型近似真實世界程序、情形、或實體(在此為了方便及清楚性而統稱為「程序」，並非有限制的目的)之行為。一模型在某個時間點可能為盡可能地準確，但若被模型化之程序隨時間而變，則靜態模型有可能自其企圖模型化之真實世界的程序偏離。因此，靜態模型預測真實世界結果的能力會因此偏離而變差。動態模型企圖適應於根本程序發生的變化。經常地，回應於代表根本程序的變化之某反饋形式而調整模型。詐欺者藉由改變他們的程序來積極地試圖逐漸削弱預測模型以持續他們的詐欺活動。
由美國加州山景市的Cybersource公司所使用之先進詐欺篩選(Advanced Fraud Screen；AFS)模型包括查核率分數曲線，在第1圖中描繪其中四個。在處理一交易的同時，AFS模型產生原始分數，其指示交易為詐欺之風險程度或概度。使用由四個圖形點所指定之不對稱超切線函數來將此原始分數映射至最終分數(例如，如同在AFS模型中所實行之0-99之間)。這四個點稱為「反曲點」。在一段時間中的一組交易之一組最終分數用來產生查核率分數曲線(Review Rate Score Curve；RRSC)。沿著RRSC的每一點指示與對應的最終分數或更高關聯之總交易數量的百分比。例如，針對RRSC #1，25%的交易具有30以上之最終分數。商家可能會想人工查核最高8%最有詐欺性之交易。在那個情況中，根據RRSC #1，商家將會希望查核分數高於47的交易。圖111至114的每一個以較低細度提供在不同反曲點附近之細節。
商家可能想要查核在不包括最高得分交易及最低得分交易的一定範圍內之一組交易，因為例如得分超過80之交易最可能為詐欺交易。相反地，例如得分為20及更低之交易幾乎總是為非詐欺交易。商家較可能對得分在有可能或有可能不接受交易的範圍中之交易感興趣，因為商家不希望接受詐欺交易或拒絕非詐欺交易。這類交易有可能具有「在中間」的分數，如在30及40之間。因此，商家可能請求查核具有在那個範圍內之分數的交易。
然而，如第1圖中所示，查核率分數曲線隨時間浮 動，部分原因為合法及非法購買之混合的改變及/或詐欺者的活動之改變。例如，交易量隨時間大幅改變，原因為諸如一星期內之每天變化(如星期六與星期一的購物相比)、季節性改變(秋天與夏天相比)、地方性特別活動(如聖誕節)、及來自添加至系統之新商家的交易之因素。舉另一例而言，如上述，詐欺者藉由改變他們的程序來積極地試圖逐漸削弱預測模型以持續他們的詐欺活動。尤其，詐欺者可能改變他們的活動以試圖令他們最終分數減低。最終分數之改變的結果反映在RRSC隨時間浮動，如圖100中所示。針對一些商家，RRSC中的此浮動會導致商家查核太少或太多的交易。若查核太少交易，商家可能會接受太多詐欺交易，造成許多扣款(charge backs)。若查核太多交易，商家可能拒絕太多有效訂單，造成銷售的損失。在任何一種情況中，分數及查核率中的浮動會使商家因為詐欺損失成本而造成利潤下降，及拒絕有效訂單而造成的未得收入而受到負面的影響。這些結果反映在表1中。
如表1所示，由於RRSC從2007年第一季浮動到2008年第二季，查核了更多交易，接受了更多詐欺交易，且拒絕了更多有效(非詐欺)交易。
一般性概述
描述一種用於即時調整電子商務交易查核率分數曲線之方法及設備。在下列說明中，提出各種特定細節以提供本發明之詳盡了解。然而，明顯地可在無這些特定細節的情況下實行本發明。在其他例子中，以區塊圖形式來顯示已知的結構及裝置以避免不必要地混淆本發明。對於所述實施例之各種修改對於熟悉此技藝人士為顯而易見且在此所述之上位原理可應用至其他實施例。因此，本發明非意圖限制於所示之實施例而應給予和在此所述之原理及特點一致之最廣範疇。
在一實施例中，實行反曲點函數之數位電腦邏輯將「原始」交易分數轉換成介於一特定範圍(如0至99)之間的最終分數。反曲點函數為稱為非對稱超切線函數的一種非線性轉變函數，由四個稱為反曲點的圖形點所指定。反曲點界定四個區域，從不危險到非常危險。在第2圖中描繪反曲點函數之反曲點及四個區域的一實例。水平軸對應於可能的原始分數之範圍，從0到至少30,000。垂直軸對應至可能的最終分數之範圍，從0到99。如第2圖中之圖所繪示，「零」反曲點介於原始分數2000及4000之間。「較低」反曲點在大約原始分數8000。「中 間」反曲點在大約原始分數12,000。「較高」反曲點接近原始分數20,000。由這些反曲點所界定之區域稱為區域I、區域II、區域III、及區域IV。在附件A中提供反曲點式子的一實例。
在一實施例中，包含比例-積分-微分(PID)控制器之數位電腦邏輯形成一電子商務交易評分電腦以動態或即時調整反曲點函數以將RRSC浮動納入考量。即時反饋調適性控制使邏輯得以維持RRSC之穩定性及平順性。故RRSC隨時間平順地改變而無激進地改變。此外，商家可選擇其自己的用於可靠查核率之分數臨限值以如希望般地經營他們的生意。
功能性概述
根據一實施例，在特定時期(如一年)中使用數位電腦邏輯來監視在每一反曲點之查核率。可以每天、每星期、每月、或其他基準來追蹤查核率。在每一反曲點之查核率耦合作為至比例-積分-微分(Proportional,Integral,and Derivative；PID)控制器之比例(P)邏輯的輸入時間序列。PID控制器包含，除了P邏輯外，積分(I)邏輯及微分(D)邏輯。由P邏輯、I邏輯、及D邏輯所產生之每一輸入耦合作為至判斷新反曲點值之增益處理器的輸入。邏輯及增益處理器可在軟體、硬體、及軟體與硬體之任何組合中實行。在一實施例中，可使用電腦、一或更多特定應用積體電路(ASIC)或其他數位電子邏輯、一或 更多電腦程式、模組、物件、方法、或其他軟體元件在各個實施例中實行P邏輯、I邏輯、及D邏輯。例如，在一實施例中，PID控制器可包含專門目的電腦，其具有組態成實行在此所述之元件及功能之特定邏輯。在另一實施例中，PID控制器可包含如第14圖中所示之一般目的電腦，載有一或更多儲存的程式，其在載入及執行後會將該一般目的電腦轉變成特定機器。
第3圖描繪一種更新反曲點函數之方法。在步驟310中，在PID控制器接收複數輸入時間序列。每一輸入時間序列(a)代表一查核率且(b)對應至反曲點函數中之一不同反曲點。
在步驟320中，針對每一反曲點，PID控制器之P邏輯產生趨勢(trend)查核率(Review Rate；RR)輸出。例如，可根據遞歸式子來界定趨勢查核率：Trend_RR_at_X[n]=α * ReviewRate_at_X[n]+(1-α)* Trend_RR_at_X[n-1]，其中n為取樣索引號碼、「_at_X」係指反曲點X、α為濾波器權重因子、且0.0<α<1.0。n=[t/T]，其中t為經過時間且T為經組態之取樣持續時間間隔。當α減少時，消除更多高頻變化。在初始校準中決定α的值。若α等於1.0，則完全無頻率消除。0.0的α則無意義。
在步驟330中，針對每一反曲點，PID之I控制器產生積分差量(delta)輸出。例如，可依據下列卷積式子來產生積分差量輸出：Integral_Delta_at_X[n]=1/(TotalWt)* 其中，Scatter_RR_at_X[s]代表在特定反曲點查核率與趨勢查核率之間的累積發散(scatter)、。當λ增加時，給予較新的查核率資料較少權重且給予較舊的查核率資料較多權重。λ為非零的正數。
在步驟340中，針對每一反曲點，PID之D控制器產生微分差量輸出，其代表趨勢查核率之調整的強度。例如，可將微分差量輸出界定成傾斜(tilt)發散查核率，其中：Tilt_Scatter_RR_at_X[n]=β * Comp_Scatter_RR_at_X[n]+(1.0-β)* Tilt_Scatter_RR_at_X[n-1]，且其中β為指數濾波器係數。Comp_Scatter_RR_at_X[n]可界定成Comp_Scatter_RR_at_X[n]=Tilt_Scatter_RR_at_X[n]-Integral_Delta_at_X[n]。
在步驟350中，至少部分依據趨勢查核率輸出、積分差量輸出、及微分差量輸出，PID控制器針對對應至該每一輸入時間序列的該反曲點產生一新的反曲點值。
在步驟360中，PID控制器依據新的反曲點值之每一者調整反曲點函數以產生更新的反曲點函數。在步驟370中，接收代表特定電子商務交易之詐欺風險的原始分數。
在步驟380中，產生並儲存特定電子商務交易之最終分數。最終分數至少部分依據原始分數及更新的反曲點函數。
示範系統架構
第4圖描繪一示範交易風險評估系統400及反曲點在系統中的角色。由TXN區塊402標示之將被評估之交易進入系統並受到由風險感測器404所進行之數個個別風險測試之分析。至風險感測器404的輸入包括在測試資料庫430中之交易，如詐欺篩選系統交易432。風險感測器404亦受到風險資料庫434中之資訊的引導，資訊包括負交易、危險交易、及可疑交易之實例。系統中之每一模型如上述包括多個風險測試。
對一給定交易起警報之每一風險測試貢獻一平衡概率風險懲罰，其為在該交易存在下與那個測試關聯之條件風險概度。如區塊406所示，做出一風險測試之風險懲罰值的決定，其一般而言為假設一個別風險測試起警報時對於非風險之概度而權衡之風險概度。這種決定可運算成p(損失|測試)，其中風險懲罰值p為假設一特定測試起警報時損失之概度。來自控制資料庫436之懲罰值438可貢獻於在區塊406之判斷。在一實施例中，針對一給定風險測試i之風險懲罰係根據等式pi=1.0/(1.0+測試i的假陽性比)而決定。
在區塊408(自校正加權總和)使用來自控制資料庫436之權重值440加權並加總針對一給定模型內之多個測試而決定的風險懲罰，因而產生並儲存一總和值。在一實施例中，針對一給定模型之風險懲罰的調整加權風險總和 係根據式子：Σ wi ci pi而定。
從一給定模型輸出調整加權風險總和，並經由使用S形(sigmoidal)轉變函數而將之轉變成概率決策空間，如區塊410所示(S形正規化轉變)。從控制資料庫436獲得轉變反曲點442的值。如第4圖中所示，風險評估系統400可具有多個構成風險模型，具有運作為每一模型之部分的不同程序及演算法。上述用於運算風險懲罰及加權總和之方法僅為多種可能實行例之一。因此，本發明之範疇不限於任何特定的詐欺風險評估模型，或限制於一特定模型內之任何特定演算法或程序。
接著經由如區塊412所示之多來源診斷融合將從詐欺風險評估模型所運算而得之風險概度估計值與任何數量的其他此種風險估計值整合。在一實施例中，融合程序係如美國專利申請案序號10/142,271中所示般，其如同完整在此提出般地以引用方式併於此。融合反曲點444貢獻至區塊412中之多來源診斷融合。在進行(區塊412中之)多來源診斷融合之前，融合反曲點444用來分別調節多個來源之每一者的查核率。
其他模型運算風險估計值可包括，作為非限制實例，CyberSource神經網路風險模型416、其他詐欺偵測模型418、及任何數量的其他風險估計來源420。典型地，針對每一模型415、416、418、及420導出不同的S形正規化轉變410。然而，本發明不限於針對不同模型之不同正規化轉變的使用。
此外，在一實施例中，根據另一S形轉變函數對融合的單點風險估計值執行後融合轉變414，以甚至更進一步朝真實世界決策領域最佳化單點風險估計值。典型亦從控制資料庫436獲得後融合轉變414之轉變反曲點的值。後融合轉變反曲點可或可不等效於用於S形正規化轉變410所用之各個轉變反曲點442。將所得之多來源風險估計值與在後融合程序416期間之期望最小值相比，藉此最大值可充當交易風險評估系統400之最終風險估計值。
在這方式中，從精算資料統計式導出測試懲罰以反映假設測試起警報時真實的損失概率風險。此損失概率風險包括負損失(起因於詐欺、無付款等等)及正損失(起因於損失賺錢機會)。故測試懲罰反映關於使測試起警報之每一交易對商家的真實風險。
可將個別詐欺風險評估模型維持成權重向量。因此，可維持模型以反映與售出之物品、地理運送位置、商群、或甚至個別商家之類別關聯的風險。此外，風險的加權總和帶有不樂見的副作用，即複數個小風險概度值會加起來，產生高風險的人工樣子。加權總和之自校正特點消除此錯誤。
S形分數轉變(如S形正規化轉變410)、多來源診斷融合412、及後融合轉變414取決於具有可調整反曲點之多維表面。反曲點及所得之S形表面經由一組動態可調整的「反曲點」重疊到下方決策領域上，允許製造模型者將S形表面直接恰合(fit)到感興趣的領域上。普通的S 形轉變沒有以這種方式恰合下方任務領域的彈性。在此方式中，藉由已轉變的分數輸出空間將個別分數轉變型樣維持成原始分數輸入中之三(x,y)點的簡單向量。這允許查核率、風險偵測率、及假陽性比之間的重要關係之微調。
以相同方式，可針對決策領域定制多來源融合程序。由於精算模型化之位移本質，必須不斷調整多來源模型的融合比例。多來源n維S形表面的動態可調整反曲點允許其之融合比例被動態調整以和問題領域保持在最佳登記中。
查核率分數曲線控制之概述
第5圖描繪如何控制查核率分數曲線(RRSC)的概述。RAT交易資料502為動態增益矩陣504之資料來源。RAT係指「風險分析工具(Risk Analysis Tools)」，其為資料處理與分析工具的套件。RAT亦用來(如在此情況中)指含有用來作分析之過去交易資料的歷史資料倉。交易資料502包含交易資訊，其包括，針對每一交易，分配給那個交易之風險分數。動態增益矩陣在原始分數與查核率分數之間建立一關係。於下詳述動態增益矩陣504。
商家過濾器邏輯506從交易資料502過濾出與某商家識別符關聯之交易。尚未建立對應制那些商家識別符的商家之購物行為。某些新商家可與不代表總體商家的其他商家之某交易訊務關聯。這種新商家可能明顯地使RRSC歪 斜。
交易資料502亦為輸入取樣器邏輯508之資料來源。輸入取樣器邏輯508可以不同速率取樣交易資料502，如每天或每星期。從取樣的交易資料，輸入取樣器邏輯508產生多個時間序列輸入，其各代表一不同反曲點之查核率分數曲線(RRSC)。這種時間序列的非限制實例包括查核率、趨勢查核率、發散查核率、傾斜查核率、積分差量輸出、及微分差量輸出，於下詳述每一者。每一時間序列輸入充當至監督邏輯510的輸入，監督邏輯510可在將時間序列輸入提供至PID控制器514之前修改每一時間序列。於下詳述監督邏輯510。替代地，每一時間序列輸入略過監督邏輯510並充當至PID控制器514的直接輸入。
規格資料512亦充當至監督邏輯510之輸入。規格資料512指定一或更多實際查核率之每一者的希望查核率目標。可使用這些目標來修改時間序列輸入的一或更多者。組態目標以支援PID控制器514中的邏輯。
PID控制器514針對每一反曲點產生反曲點值，其將用來修改反曲點函數。於下詳述PID控制器514。由PID控制器514所產生之反曲點值充當至部署及同步化邏輯516的輸入。部署及同步化邏輯516的主考量主要從實行觀點來看。可獨立使用一專門硬體伺服器來處理離開產生核心硬體之所有控制程序，在此稱為AFS系統518，其為「現場」即時。將控制的結果(如新的反曲點)部署到AFS系統518。
干擾資料520充當至AFS系統518之輸入。干擾造成分數曲線分佈改變，且因此查核率會改變，若改變顯著則應校正分數曲線分佈。干擾可分成市場趨勢所造成之環境改變、季節及地區活動、及詐欺購物行為改變。
PID控制器
第6圖描繪對應至第5圖之PID控制器514的PID控制器600。PID控制器600包含多個構件602至614、660、及668。
PID組態構件602包含PID控制器600之一或更多邏輯單元的係數。該些係數用來調節控制器600之行為。例如，數位濾波器以0.2的係數比0.35更可篩出高頻雜訊。
增益矩陣604(描繪在第12圖中)為指定查核率與原始分數之間的關係之值的矩陣。增益矩陣604用來決定一給定原始分數之查核率，及反之亦然。於下更詳細說明增益矩陣604。
監督邏輯606對應至第5圖之監督邏輯510。監督邏輯606可在使用查核率作為至增益處理器614之輸入之前修改特定反曲點之查核率。
增益處理器614依據來自邏輯608至612、增益矩陣604、及隨意地，監督邏輯606的每一者之輸入來產生新反曲點值664。
監視在一特定反曲點的查核率652並變成至比例 (P)邏輯608(參考第9圖更詳細說明)之輸入。P邏輯608依據一特定反曲點之查核率產生趨勢查核率654作為輸出。趨勢查核率654耦合作為至增益處理器614的輸入。
針對那個特定反曲點之查核率652與趨勢查核率654結合以產生發散查核率656，其耦合作為至積分(I)邏輯610(參考第10A及B圖更詳細說明)之輸入。I邏輯610依據發散查核率656產生積分差量輸出658。積分差量輸出658耦合作為至增益處理器614的輸入。
發散查核率656及積分差量輸出658耦合作為至傾斜發散邏輯611之輸入。傾斜發散邏輯611產生傾斜發散查核率，其耦合作為至微分邏輯612的輸入。於下連同微分邏輯612更詳細說明對應至一特定反曲點之傾斜發散查核率。
微分(D)邏輯612(參考第11圖更詳細說明)使用發散查核率656及積分差量輸出658來產生微分差量輸出662。微分差量輸出662耦合作為至增益處理器614的輸入。
時間序列(TMS)累積660含有各種時間序列，如趨勢查核率654、發散查核率656、積分差量輸出658、傾斜發散查核率、及微分差量輸出662。
TMS(或時間序列)累積668含有，針對每一反曲點，由增益處理器614產生的一新反曲點值。
時間序列輸入
第7A圖及第7B圖描繪依據四個不同時間序列輸入之不同圖。在一實施例中，圖710至740的每一者代表對應至一反曲點函數之一不同的反曲點之輸出信號。圖710至740的每一者繪製在約13個月的時期中之每天的查核率。在其他實施例中，每一時間序列可依據在相同13個月的時期或不同時期中之每星期的查核率。實施例包括每一時間序列輸入的任何範圍及每一時間序列輸入的查核率之任何頻率(如每天、每星期、每月)。
圖710繪製在零反曲點(亦即0之最終分數)之每天的查核率。圖720繪製在較低反曲點(亦即45之最終分數)之每天的查核率。圖730繪製在中間反曲點(亦即50之最終分數)之每天的查核率。圖740繪製在較高反曲點(亦即93之最終分數)之每天的查核率。
如每一圖所繪製，在對應個別反曲點附近的查核率不斷改變。在此實例中，在每一反曲點之查核率往上浮動，至少些許地。這些時間序列的每一者可耦合作為至PID控制器600之P邏輯608的輸入。
監督控制邏輯
如第5圖中所示，可在將時間序列輸入提供至PID控制器600的P邏輯608之前將監督控制邏輯510應用至一或更多時間序列。監督控制邏輯之一目的在於維持RRSC的平順性。監督控制邏輯可，取決於情況，調整一或更多 反曲點到新目標值、防止反曲點被調整、發出警報、或藉由更新增益矩陣604來排程維修。發出警報可例如發生在當新交易量太小或太大時、當偵測到輸入時間序列之間的不一致性時、及當查核率在可允許範圍外時。監督控制邏輯亦可往上或往下調整查核率以避免輸入時間序列中之正或負尖波。
第8圖包括一圖800，其繪示來自監督控制邏輯之輸出信號可如何依據一輸入時間序列(例如，Trend_RR_at_X[n])來調整查核率。圖800包含數個範圍。範圍810指示「舒適區域」，其中監督控制邏輯460無執行有意義動作(如發出警報或調整查核率)只要查核率在那個範圍內。範圍820指示另一查核率範圍。若查核率在範圍820之外，則監督控制邏輯發出警報。若查核率在範圍820之內但不在範圍810之內，則監督控制邏輯會往下(亦即，若查核率在舒適區域上方)或往上(亦即，若查核率在舒適區域下方)調整查核率。
PID控制器：比例邏輯
P邏輯608產生趨勢查核率作為輸出信號。在一特定反曲點之趨勢查核率代表在那個反曲點之對應的實際查核率之平順化的圖。根據下列遞歸式子來界定趨勢查核率：Trend_RR_at_X[n]=α * ReviewRate_at_X[n]+(1-α)* Trend_RR_at_X[n-1]其中n為取樣索引號碼、「_at_X」係指反曲點X、α為濾波器權重因子、且0.0<α<1.0。n=[t/T]，其中t為經過 時間且T為經組態之取樣持續時間間隔。當α減少時，會消除更多高頻變化。在初始校準中決定α的值。若α等於1.0，則完全無頻率消除。0.0的α則無意義。使用P邏輯608中之數位邏輯來實行該式子。
作為一替代例，上述式子之非遞歸式子如下： 在此實例中，分配更多權重給較新的輸入。針對較有歷史的輸入讀取值，權重指數型下降。本發明之實施例亦可包括實行與上述式子之一類似或自其導出之式子的邏輯。
第9圖包括一圖910，其繪製在中央反曲點之查核率。在第7B圖中亦繪製在中央反曲點之查核率。圖910亦包括由P邏輯608依據中央反曲點輸入查核率所產生的作為輸出信號之趨勢查核率。在此實例中，係數α為0.1。圖920繪製與圖910中之相同資料的一部分，除了以較低細度程度外。
若僅使用由P邏輯608所產生之趨勢查核率來修改反曲點，則會導致某些不樂見的副作用。這類副作用包括(1)穩態誤差及(2)過衝及未達動作。這類副作用可分別由I邏輯610及D邏輯612補償或預防。
PID控制器：積分邏輯
I邏輯610接收發散查核率656作為輸入。針對一特定反曲點之發散查核率656可藉由自查核率652減掉針對 相同反曲點之趨勢查核率654來導出(如ReviewRate_at_X[n]-Trend_RR_at_X[n])。PID控制器600包括決定Scatter_RR_at_X之邏輯。
發散查核率656代表在特定反曲點之查核率652與趨勢查核率654之間的累積偏離。I邏輯610依據發散查核率656產生一或更多積分差量輸出信號658，其代表應調整多少趨勢查核率654。
可依據下列卷積式子來產生積分差量輸出658： 其中 且k=(1/λ)*s 2 。當λ增加時，給予較新的查核率資料較少權重且給予較舊的查核率資料較多權重。第10A圖之圖1020繪製當λ增加時對之Wt(s)的此影響。
第10A圖亦包括一圖1010，其繪製在一段時間上之發散查核率作為趨勢查核率與趨勢查核率所依據之實際查核率之間的差。在一實施例中，在趨勢查核率線之上方的陰影區域指示被趨勢查核率不足校正的查核率量，而在趨勢查核率線之下方的陰影區域指示被趨勢查核率過度校正的查核率量。在趨勢查核率線之上方及下方的陰影區域的總和反映在上述式子的下列部分中：
第10B圖包括一圖表及線圖1030，其繪製針對中央 反曲點之發散查核率，作為沿著對應至第9圖之圖920中之時間範圍的時間範圍之一組點。在x軸之上的線為由I邏輯610所產生之積分差量輸出。在此實例中，積分差量輸出指出P邏輯608「不足校正」。圖1030提供由P邏輯608所產生之趨勢查核率的準確度之指示。
積分差量輸出與x軸之間的差在此稱為穩態誤差。在第10B圖中所示之實例中，穩態誤差為0.2368%。
第10B圖亦包括條形圖1040，其繪製在圖1030中所反映的時間範圍中發散查核率與穩態誤差之間的差之頻率(以固定間隔)。在此實例中，間隔為0.2057%。如圖1040所示，發散查核率在穩態誤差之0.2057%內的有七次(或更準確地天數)。
微分邏輯
如所示，D邏輯612拿發散查核率656及積分差量輸出658作為輸入並產生針對一特定反曲點之微分差量輸出662。微分差量輸出662代表趨勢查核率654之調整的強度。可將微分差量輸出662界定成傾斜發散查核率，其中；Tilt_Scatter_RR_at_X[n]=ß * Comp_Scatter_RR_at_X[n]+(1.0-ß)* Comp_Scatter_RR_at_X[n-1]且其中β為指數濾波器係數。Comp_Scatter_RR_at_X[n]可界定成：Comp_Scatter_RR_at_X[n]=Scatter_RR_at_X[n]-Integral_Delta_at_X[n]。
第11圖包括一線圖1110，其繪製針對中央反曲點之發散查核率。在一實施例中，發散查核率對應至在第9圖之圖920及第10B圖之圖1030中的時間範圍。圖1110亦描繪傾斜發散查核率。傾斜發散查核率為發散查核率的平順化的內差。
針對每一反曲點產生微分差量輸出662。
重點回顧，趨勢查核率654代表實際查核率652之平順化的圖、積分差量輸出658代表應調整多少趨勢查核率654、且微分差量輸出662代表調整的強度。
增益矩陣
增益矩陣604可包含儲存在數位邏輯或記憶體中之值的矩陣，且其代表查核率與原始分數之間的關係。增益矩陣604的至少一部分為查核率分數曲線的數值表示，如第2圖中所繪製之RRSC。第12圖為繪製增益矩陣604的一實例之圖。在第12圖中，增益矩陣604為1000 x 8的矩陣或表。1000「列」界定原始分數之不同範圍。八「行」分別指示風險等級(risk rank)、風險頻率(risk frequency)、較低原始分數(lower raw score)、較高原始分數(upper raw score)、累積頻率(accumulated frequency)、其餘頻率(frequency remainder)、及查核率(review rate)。當風險等級增加時，由對應的較低與較高原始分數所界定的原始分數範圍亦增加。
特定風險等級之風險頻率指示一交易在對應原始分數 範圍內接收到一原始分數的次數。累積頻率指示與對應的風險等級或一較低風險等級關聯之交易數量。其餘頻率指示與比對應風險等級更高之一風險等級關聯的交易數量。因此，在增益矩陣604的一列中之累積頻率與其餘頻率的總和等於在增益矩陣604的其他每一列中之累積頻率與其餘頻率的總和。查核率指示將累積頻率除以其餘頻率之結果。
依據一組反曲點及在一段時間(如一個月)中之交易歷史來產生增益矩陣604。當增益矩陣604之細度增加時，精密地控制並調整反曲點的能力越大。換言之，當潛在風險等級的數量增加(如，在增益矩陣604中從500到1000)，則反曲點之調整變得更精準。由於相對高的風險等級數量，增益矩陣604對查核率分數曲線上的位置以及選擇以隨著反彈而增加或減少及整個矩陣內容隨時間而變之方向敏感。
在本發明之一實施例中，使用將原始分數轉換成此時例中之1000風險等級之轉變函數來產生增益矩陣604。轉換係依據給定反曲點及來自一組交易(例如來自最近一個月的交易)之原始分數的取樣。附件B提出一實例轉變函數。
增益處理器
增益處理器614可包含數位電腦邏輯，當執行其時，依據諸如(1)前一反曲點、(2)來自P邏輯608、I邏 輯610、及D邏輯612之針對前一反曲點的輸出、及(3)增益矩陣604之輸入而從前一反曲點值或信號決定一新反曲點值或信號。下列式子為這些輸入之每一者可如何結合以針對四個反曲點X之一產生一新的反曲點值：ZoneValue_at_X[t+1]=GainRScore{GainRRate[ZoneValue_at_X[t]]+[TGT_RR_at_X[t+1]-(Trend_RR_at_X[t]+Integral_Delta_at_X[t]+Derivative_Delta_at_X[t])]}
其中(a)GainRRate使用增益矩陣604來將原始分數轉換成查核率，(b)GainRScore使用增益矩陣604來將查核率轉換成原始分數，且TGT_RR_at_X[t+1]為由監督邏輯606建立之意圖目標。
第13圖包括一圖1310，其繪製如何決定一新反曲點值。在圖1310中表示上述式子之輸入的每一者。在所示實例中，假設(1)TGT_RR_at_X[t+1]<Trend_RR_at_X[t]、(2)Integral_Delta_at_X[t]>0.0；及(3)Derivative_Delta_at_X[t]>0.0。在一些真實世界的情形中，TGT_RR_at_X[t+1]可為>=Trend_RR_at_X[t]，且Integral_Delta_at_X[t]及Derivative_Delta_at_X[t]之任一者或兩者可為負的。
上述式子可用來計算四個反曲點之每一個的一新反曲點值。可計算少於4反曲點之新反曲點值。可由規格或監督控制來規定新計算之反曲點值的數量。新反曲點值可用來修改反曲點函數。可修改反曲點函數的次數可大幅變化，例如每天、每星期、或每月。
一實施例的一優點在於自動或動態調整反曲點值信號。一實施例的另一優點在於調整反曲點值同時維持查核率分數曲線的穩定性及平順性。
硬體概述
根據一實施例，由一或更多特殊目的運算裝置來實行在此所述之技術。可硬接線特殊目的運算裝置以執行技術，或可包括數位電子裝置，如持久編程以執行技術的一或更多特定應用積體電路(ASIC)或現場可編程閘陣列(FPGA)，或可包括一或更多一般目的硬體處理器，加以編程而根據韌體、記憶體、其他貯存、或結合中的程式指令來執行技術。這類特殊目的運算裝置亦可結合具有客製化程式以實現技術之客製化硬接線邏輯、ASIC、或FPGA。特殊目的運算裝置可為桌上型電腦系統、可攜式電腦系統、手持裝置、連網裝置、或併入硬接線及/或程式邏輯以實行技術之任何其他裝置。
例如，第14圖為一區塊圖，其描繪可在其上實行本發明之一實施例的電腦系統1400。電腦系統1400包括匯流排1402或用於交流資訊之其他通訊機制，及與匯流排1402耦合以處理資訊之硬體處理器1404。硬體處理器1404可例如為一般目的微處理器。
電腦系統1400亦包括主記憶體1406，如隨機存取記憶體(RAM)或其他動態儲存裝置，耦合至匯流排1402以儲存將由處理器1404所施行的資訊及指令。主記憶體 1406亦可用來在被處理器1404所施行之指令的施行期間儲存臨時變數或其他中間資訊。這類指令，當儲存在可由處理器1404存取之儲存媒體中時，會使電腦系統1400變成特殊目的機器，客製化以執行指令中所指定之操作。
電腦系統1400進一步包括唯讀記憶體(ROM)1408或其他靜態儲存裝置，耦合至匯流排1402以儲存處理器1404用之靜態資訊及指令。提供儲存裝置1410，如磁碟或光碟，並耦合至匯流排1402以儲存資訊及指令。
電腦系統1400可經由匯流排1402耦合到顯示器1412，如陰極射線管(CRT)，以顯示資訊給電腦使用者。輸入裝置1414，包括文數字及其他鍵，耦合至匯流排1402以交流資訊及命令選擇給處理器1404。另一種使用者輸入裝置為游標控制1416，如滑鼠、追蹤球、或游標方向鍵，以交流方向資訊及命令選擇給處理器1404，並控制顯示器1412上之游標移動。此輸入裝置典型有在兩軸中之兩個自由度，第一軸(如x)及第二軸(如y)，其允許裝置指定一平面中之位置。
電腦系統1400可使用當與電腦系統結合時會令或編程電腦系統成為特殊目的機器之客製化硬接線邏輯、一或更多ASIC或FPGA、韌體及/或程式邏輯來實行在此所述之技術。根據一實施例，由電腦系統1400回應於處理器1404施行包含在主記憶體1406中之一或更多指令的一或更多序列而執行在此之技術。這類指令可從另一儲存媒體(如儲存裝置1410)讀入主記憶體1406中。包含在主記 憶體1406中之指令的序列之施行令處理器1404執行在此所述之程序步驟。在替代實施例中，可取代或結合軟體指令地使用硬接線電路。
「儲存媒體」一詞在此用來意指儲存資料及/或指令之任何媒體，該些資料及/或指令令一機器以特定方式操作。這類儲存媒體可包含非依電性媒體及/或依電性媒體。非依電性媒體包括，例如，光或磁碟，如儲存裝置1410。依電性媒體包括動態記憶體，如主記憶體1406。常見的儲存媒體形式包括，例如，軟碟、撓性碟、硬碟、固態驅動器、磁帶、或任何其他磁性資料儲存媒體、CD-ROM、任何其他光學資料儲存媒體、具有孔圖案之任何實體媒體、RAM、PROM、EPROM、FLASH-EPROM、NVRAM、任何其他記憶體晶片或匣。
儲存媒體與傳輸媒體不同但可連同其一起使用。傳輸媒體參與儲存媒體之間之資訊輸送。例如，傳輸媒體包括雙軸電纜、銅線及光纖，包括包含匯流排1402之電線。傳輸媒體具有聲或光波的形式，如在無線電波及紅外線資料通訊期間產生的那些。
各種形式的媒體可參與承載一或更多指令之一或更多序列到處理器1404以供施行。例如，一開始可在遠端電腦之磁碟或固態驅動器上承載指令。遠端電腦可將指令載入到其之動態記憶體中並透過電話線使用數據機來發送指令。為電腦系統1400本地之數據機可接收電話線上之資料並使用紅外線傳送器來將資料轉換成紅外線信號。紅外 線偵測器可接收紅外線信號中所載之資料並且適當電路可將資料放置到匯流排1402上。匯流排1402承載資料到主記憶體1406，從該處處理器1404擷取並施行指令。由主記憶體1406接收到之指令可在由處理器1404施行之前或之後隨意地儲存在儲存裝置1410上。
電腦系統1400亦包括耦合至匯流排1402的通訊介面1418。通訊介面1418提供耦合至連接至本地網路1422之網路鏈結1420的雙向資料通訊。例如，通訊介面1418可為整合服務數位網路(ISDN)卡、電纜數據機、衛星數據機、或提供資料通訊連結至對應類型的電話線之數據機。作為另一實例，通訊介面1418可為區域網路(LAN)卡以提供資料通訊連結至一相容的LAN。亦可實行無線鏈結。在任何這類實行例中，通訊介面1418發送並接收電性、電磁、或光學信號，其載有代表各種資訊之數位資料流。
網路鏈結1420典型經由一或更多網路提供資料通訊至其他資料裝置。例如，網路鏈結1420可經由本地網路1422提供連結至主機電腦1424或至由網際網路服務提供者(ISP)1426所運作之資料裝備。ISP 1426則經由全球封包資料通訊網路(現稱為「網際網路(Internet)」1428)提供資料通訊服務。本地網路1422及Internet 1428兩者皆使用載有數位資料流之電性、電磁、或光學信號。經由各種網路之信號及在網路鏈結1420上並經由通訊介面1418的信號，其載有往返電腦系統1400的數位 資料，為傳輸媒體之示範形式。
電腦系統1400可經由網路、網路鏈結1420、及通訊介面1418發送訊息並接收資料，包括程式碼。在Internet實例中，伺服器1430可經由Internet 1428、ISP 1426、本地網路1422、及通訊介面1418傳送應用程式之請求碼。
可在接收到接收碼時由處理器1404施行，及/或儲存在儲存裝置1410或其他非依電性貯存中以供後續施行。
在前述說明書中，已參照各種特定細節說明本發明之實施例，特定細節可在不同實行例中有所變化。因此，作為表示本發明之唯一且排他的指標，且為本發明之申請人所意欲的，為在此申請案中提出之該組申請專利範圍，以此申請專利範圍所提出之特定形式，包括任何後續修正。針對在此申請專利範圍中所含之名詞而在此明確提出之的任何定義應當支配在申請專利範圍中所使用之這類名詞的意義。因此，沒有在申請專利範圍中特別敘述之限制、元件性質、特點、優點、或屬性不應以任何方式限制此申請專利範圍之範疇。依此，說明書及圖示應視為例示性而非限制性。
附件A
使用三條分段曲線(曲線V、U、W)來界定一反曲點函數。在第2圖中所示的反曲點處連接這三條曲線。如下列般提供對這三條曲線的式子規格：
曲線V涵蓋區域III及區域IV
，其中 DampV=[Z4-Z3]/Log[1.0-(R4-R3)/SpanV], SpanV=99-R3，以及 中間點(Z3,R3)及較高點(Z4,R4)為第2圖中所繪製之反曲點。
Log為自然對數函數。DampV係依據Z3及Z4反曲點計算而得。DampV用來控制曲線V的上升及衰退率。
曲線U涵蓋區域I1
，其中 DampU=[Z2-Z3]/Log[1.0+(R2-R3)/SpanU], SpanU=SpanFactor *(R3-R2)，其中SpanFactor必須大於1.0，以及 較低點(Z2,R2)及中間點(Z3,R3)為第2圖中所繪製之反曲點。
曲線W涵蓋區域I
，其中 DampW=[Z2-Z1]/Log[1.0-(R2-R1)/SpanW], SpanW=SpanFactor *(R2-R1)，以及 零點(Z1,R1)及較低點(Z2,R2)為第2圖中所繪製之反曲點。
附件B
增益矩陣轉變函數
針對一給定組的反曲點ZeroPt(Zone,10*Range),LowerPt(Zone,10*Range),CenterPt(Zone,10*Range)and UpperPt(Zone,10*Range)，如下般指明GainMatrix轉變函數：
其中，
*若因某一交易而產生來自一組特定因子碼的因子碼(例如藉由第4圖中之風險估計引擎)，則ScoreOut_Flag=1。
於下指明組態及參數
RiskRankScale_Max=999.0；/*靜態常數產生1000的刻度*/
CtsRawScore_Min=600.0；/*來自最近交易取樣之最小的raw_cts_score*/
CurvatureW_Factor=15.87；/*曲線之較低部分*/
CurvatureU_Factor=3.35；/*曲線之中間部分*/
使用這兩曲線因子來分別塑造RRSC的低及中部分的 曲線。
針對曲線的較高部分，曲線因子傾向於為1.0。
PivotCenter_H=CenterPtZone； PivotCenter_K=CenterPtRange； 反曲點中間點(PivotCenter_H,PivotCenter_K)作為支點。
此支點用來針對中間及較高部分將S形的雙曲正切函數的曲線從往上凹改變成往下凹。
SpanW=CurvatureW_Factor*(LowerPtRange-ZeroPtRange)； SpanU=CurvatureU_Factor*(PivotCenter_K-LowerPtRange)； SpanV=RiskRankScale_Max-PivotCenter_K； 使跨度(Span)明顯大於中間點之間的垂直差且通過如上之曲線的較低及中間部分的點。
依據給定反曲點來自動計算出係數dampW、dampU、及dampV。這些「阻尼(damp)」係數用來控制雙曲正切函數的上升及衰退率。
係數dampW應用至曲線的較低段。係數dampU應用至曲線的中間段。係數dampV應用至曲線的較高段。
DampW=[CtsRawScore_Min_LowerPtZone]/ LOG[1.0-(LowerPtRange-ZeroPtRange)/SpanW]
DampU=[LowerPtZone-PivotCenter_H]/ LOG[1.0+(LowerPtRange-PivotCenter_K)/SpanU]
DampV=[PivotCenter_H-UpperPtZone]/ LOG[1.0-(UpperPtRange-PivotCenter_K)/SpanV]
增益矩陣之產生
依據最新交易之取樣及一組反曲點，可如下般產生增益矩陣。
增益矩陣為1000 x 7的矩陣。
取代使用列索引，使用風險等級刻度「k」且其之範圍從0,1,2,...,999。
針對每一刻度k=0,1,2,...,999，如下般組態增益矩陣的元件。
1000_Risky_Rank[k]=k，其中k為刻度
從模型化觀點來看，刻度越高，交易越危險。
Rank_Freq[k]=交易之Risky_Rank刻度=k的交易的子總數。
Cts_Raw_Score下限及下限[k]：
下限[k]=最小{cts_raw_score：其中risky_rank_scale=k}
上限[k]=最大{cts_raw_scale：其中risky_rank_scale=k}
已知cts_raw_score，則可藉由於上指明的轉變函數來計算risky_rank_scale。
Accum_Freq[k]=總和{Rank_Freq[i]：i=0,1,2,...k}
Freq_Remainder[k]=Total-Accum_Freq[k]，其中Total=一給定交易取樣之交易總數。
Review_Rate[k]=Freq_Remainder/Total
100、111~114‧‧‧圖
400‧‧‧交易風險評估系統
404‧‧‧風險感測器
410‧‧‧S形正規化轉變
412‧‧‧多來源診斷融合
414‧‧‧後融合轉變
416‧‧‧CyberSource神經網路風險模型
418‧‧‧其他詐欺偵測模型
420‧‧‧其他風險估計來源
430‧‧‧測試資料庫
432‧‧‧詐欺篩選系統交易
434‧‧‧風險資料庫
436‧‧‧控制資料庫
438‧‧‧懲罰值
440‧‧‧權重值
442‧‧‧轉變反曲點
444‧‧‧融合反曲點
460‧‧‧監督控制邏輯
502‧‧‧交易資料
504‧‧‧動態增益矩陣
506‧‧‧商家過濾器邏輯
508‧‧‧輸入取樣器邏輯
510‧‧‧監督邏輯
514‧‧‧PID控制器
512‧‧‧規格資料
516‧‧‧部署及同步化邏輯
518‧‧‧AFS系統
520‧‧‧干擾資料
600‧‧‧PID控制器
602‧‧‧PID組態構件
604‧‧‧增益矩陣
606‧‧‧監督邏輯
608‧‧‧比例邏輯
610‧‧‧積分邏輯
611‧‧‧傾斜發散邏輯
612‧‧‧微分邏輯
614‧‧‧增益處理器
652‧‧‧查核率
654‧‧‧趨勢查核率
656‧‧‧發散查核率
658‧‧‧積分差量輸出
660‧‧‧時間序列累積
662‧‧‧微分差量輸出
664‧‧‧新反曲點值
668‧‧‧時間序列累積
710~740‧‧‧圖
800‧‧‧圖
810、820‧‧‧範圍
910、920‧‧‧圖
1010、1020‧‧‧圖
1030‧‧‧圖表及線圖
1040‧‧‧條形圖
1110‧‧‧線圖
1310‧‧‧圖
1400‧‧‧電腦系統
1402‧‧‧匯流排
1404‧‧‧處理器
1406‧‧‧主記憶體
1408‧‧‧唯讀記憶體
1410‧‧‧儲存裝置
1412‧‧‧顯示器
1414‧‧‧輸入裝置
1416‧‧‧游標控制
1418‧‧‧通訊介面
1420‧‧‧網路鏈結
1422‧‧‧本地網路
1424‧‧‧主機電腦
1426‧‧‧網際網路服務提供者
1428‧‧‧網際網路
1430‧‧‧伺服器
在圖中：第1圖描繪一組查核率分數曲線，其中每一查核率分數曲線與一不同時間範圍關聯； 第2圖描繪四個反曲點及由該四個反曲點所界定之四個不同風險區；第3圖描繪更新反曲點函數之方法；第4圖描繪一示範交易風險評估系統；第5圖描繪可如何控制查核率分數曲線的概觀；第6圖描繪比例-積分-微分(PID)控制器；第7A圖及第7B圖描繪四個不同的圖，依據四個不同時間序列，其繪製在不同反曲點之查核率；第8圖描繪監督控制可如何調整查核率；第9圖描繪趨勢查核率；第10A圖描繪在一段時間中之發散查核率作為在趨勢查核率與趨勢查核率所依據之實際查核率之間的差；第10B圖描繪發散查核率作為沿著一特定時間範圍的一組點；第11圖描繪中央反曲點之發散查核率；第12圖描繪增益矩陣之實例；第13圖描繪如何決定新反曲點值；以及第14圖描繪其上可實行實施例的電腦系統。
600‧‧‧PID控制器
602‧‧‧PID組態構件
604‧‧‧增益矩陣
606‧‧‧監督邏輯
608‧‧‧比例邏輯
610‧‧‧積分邏輯
611‧‧‧傾斜發散邏輯
612‧‧‧微分邏輯
614‧‧‧增益處理器
652‧‧‧查核率
654‧‧‧趨勢查核率
656‧‧‧發散查核率
658‧‧‧積分差量輸出
660‧‧‧時間序列累積
662‧‧‧微分差量輸出
664‧‧‧新反曲點值
668‧‧‧時間序列累積

Claims (18)

  1. 一種用於自動調整一特定反曲點函數的電腦實行之方法，該方法包含：接收複數輸入時間序列，其中該複數輸入時間序列之每一輸入時間序列(a)代表一查核率以及(b)對應至在該特定反曲點函數中之一不同反曲點；其中該複數輸入時間序列之每一輸入時間序列的該查核率指示與一特定分數或更高關聯之複數電子商務交易的一百分比；針對該複數輸入時間序列之每一輸入時間序列：比例邏輯產生一趨勢查核率輸出；積分邏輯產生一積分差量輸出；微分邏輯產生一微分差量輸出；至少部分依據該趨勢查核率輸出、該積分差量輸出、及該微分差量輸出，一控制器針對對應至該每一輸入時間序列的該反曲點產生一新反曲點值；該控制器依據該些新反曲點值之每一者調整該特定反曲點函數以產生一更新的反曲點函數；接收代表一特定電子商務交易之一詐欺風險的一原始分數；以及至少部分依據該原始分數及該更新的反曲點函數來產生並儲存針對該特定電子商務交易的一最終分數。
  2. 如申請專利範圍第1項所述之方法，其中產生該新反曲點值亦依據一增益矩陣，其針對複數風險等級之每一 風險等級指示一查核率及原始分數的一範圍。
  3. 如申請專利範圍第1項所述之方法，進一步包含，針對該複數輸入時間序列之一或更多的輸入時間序列之每一者，當該查核率在一特定範圍以外時執行一動作，其中該動作為發出一警報或修改由該每一輸入時間序列所代表之該查核率之一。
  4. 如申請專利範圍第1項所述之方法，其中：該PID控制器之該比例邏輯組態成(a)接收在一特定反曲點之一阿爾發(alpha)信號及一查核率信號及(b)藉由將該阿爾發信號及該查核率信號施加至一乘法器來產生該趨勢查核率輸出；該阿爾發信號代表介於0.0及1.0之間的一值。
  5. 如申請專利範圍第1項所述之方法，其中：該PID控制器之該積分邏輯組態成(a)接收在一特定反曲點之一權重信號及一發散查核率信號及(b)藉由(1)施加該權重信號及該發散查核率信號至一乘法器以產生一中間結果及(2)運算該中間結果的該積分來產生一積分差量輸出信號。
  6. 如申請專利範圍第1項所述之方法，其中：該PID控制器之該微分邏輯組態成(a)接收一阿爾發信號及一補償發散查核率信號及(b)藉由(1)施加該阿爾發信號及該補償發散查核率信號至一乘法器以產生一中間結果及(2)運算該中間結果的該微分來產生一微分差量輸出信號。
  7. 一種儲存用於自動調整一特定反曲點函數的指令之一或更多儲存媒體，其中該些指令，當被一或更多處理器施行時，導致：接收複數輸入時間序列，其中該複數輸入時間序列之每一輸入時間序列(a)代表一查核率以及(b)對應至在該特定反曲點函數中之一不同反曲點；其中該複數輸入時間序列之每一輸入時間序列的該查核率指示與一特定分數或更高關聯之複數電子商務交易的一百分比；針對該複數輸入時間序列之每一輸入時間序列：比例邏輯產生一趨勢查核率輸出；積分邏輯產生一積分差量輸出；微分邏輯產生一微分差量輸出；至少部分依據該趨勢查核率輸出、該積分差量輸出、及該微分差量輸出，一控制器針對對應至該每一輸入時間序列的該反曲點產生一新反曲點值；該控制器依據該些新反曲點值之每一者調整該特定反曲點函數以產生一更新的反曲點函數；接收代表一特定電子商務交易之一詐欺風險的一原始分數；以及至少部分依據該原始分數及該更新的反曲點函數來產生並儲存針對該特定電子商務交易的一最終分數。
  8. 如申請專利範圍第7項所述之一或更多儲存媒體，其中產生該新反曲點值亦依據一增益矩陣，其針對複數風 險等級之每一風險等級指示一查核率及原始分數的一範圍。
  9. 如申請專利範圍第7項所述之一或更多儲存媒體，其中該些指定，當被該一或更多處理器施行時，進一步導致，針對該複數輸入時間序列之一或更多的輸入時間序列之每一者，當該查核率在一特定範圍以外時執行一動作，其中該動作為發出一警報或修改由該每一輸入時間序列所代表之該查核率之一。
  10. 如申請專利範圍第7項所述之一或更多儲存媒體，其中：該PID控制器之該比例邏輯組態成(a)接收在一特定反曲點之一阿爾發(alpha)信號及一查核率信號及(b)藉由將該阿爾發信號及該查核率信號施加至一乘法器來產生該趨勢查核率輸出；該阿爾發信號代表介於0.0及1.0之間的一值。
  11. 如申請專利範圍第7項所述之一或更多儲存媒體，其中：該PID控制器之該積分邏輯組態成(a)接收在一特定反曲點之一權重信號及一發散查核率信號及(b)藉由(1)施加該權重信號及該發散查核率信號至一乘法器以產生一中間結果及(2)運算該中間結果的該積分來產生一積分差量輸出信號。
  12. 如申請專利範圍第7項所述之一或更多儲存媒體，其中： 該PID控制器之該微分邏輯組態成(a)接收一阿爾發信號及一補償發散查核率信號及(b)藉由(1)施加該阿爾發信號及該補償發散查核率信號至一乘法器以產生一中間結果及(2)運算該中間結果的該微分來產生一微分差量輸出信號。
  13. 一種用於自動調整一特定反曲點函數的設備，該設備包含：一或更多處理器；儲存指令之一或更多儲存媒體，其中該些指令，當被一或更多處理器施行時，導致：接收複數輸入時間序列，其中該複數輸入時間序列之每一輸入時間序列(a)代表一查核率以及(b)對應至在該特定反曲點函數中之一不同反曲點；其中該複數輸入時間序列之每一輸入時間序列的該查核率指示與一特定分數或更高關聯之複數電子商務交易的一百分比；針對該複數輸入時間序列之每一輸入時間序列：比例邏輯產生一趨勢查核率輸出；積分邏輯產生一積分差量輸出；微分邏輯產生一微分差量輸出；至少部分依據該趨勢查核率輸出、該積分差量輸出、及該微分差量輸出，一控制器針對對應至該每一輸入時間序列的該反曲點產生一新反曲點值；該控制器依據該些新反曲點值之每一者調整該特 定反曲點函數以產生一更新的反曲點函數；接收代表一特定電子商務交易之一詐欺風險的一原始分數；以及至少部分依據該原始分數及該更新的反曲點函數來產生並儲存針對該特定電子商務交易的一最終分數。
  14. 如申請專利範圍第13項所述之設備，其中產生該新反曲點值亦依據一增益矩陣，其針對複數風險等級之每一風險等級指示一查核率及原始分數的一範圍。
  15. 如申請專利範圍第13項所述之設備，其中該些指令，當被該一或更多處理器施行時，進一步導致，針對該複數輸入時間序列之一或更多的輸入時間序列之每一者，當該查核率在一特定範圍以外時執行一動作，其中該動作為發出一警報或修改由該每一輸入時間序列所代表之該查核率之一。
  16. 如申請專利範圍第13項所述之設備，其中：該PID控制器之該比例邏輯組態成(a)接收在一特定反曲點之一阿爾發(alpha)信號及一查核率信號及(b)藉由將該阿爾發信號及該查核率信號施加至一乘法器來產生該趨勢查核率輸出；該阿爾發信號代表介於0.0及1.0之間的一值。
  17. 如申請專利範圍第13項所述之設備，其中：該PID控制器之該積分邏輯組態成(a)接收在一特定反曲點之一權重信號及一發散查核率信號及(b)藉由(1)施加該權重信號及該發散查核率信號至一乘法器以 產生一中間結果及(2)運算該中間結果的該積分來產生一積分差量輸出信號。
  18. 如申請專利範圍第13項所述之設備，其中：該PID控制器之該微分邏輯組態成(a)接收一阿爾發信號及一補償發散查核率信號及(b)藉由(1)施加該阿爾發信號及該補償發散查核率信號至一乘法器以產生一中間結果及(2)運算該中間結果的該微分來產生一微分差量輸出信號。
TW099133702A 2009-10-05 2010-10-04 交易查核率分數曲線之即時調適性控制 TWI451345B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US12/573,693 US8214285B2 (en) 2009-10-05 2009-10-05 Real time adaptive control of transaction review rate score curve

Publications (2)

Publication Number Publication Date
TW201135610A TW201135610A (en) 2011-10-16
TWI451345B true TWI451345B (zh) 2014-09-01

Family

ID=43823938

Family Applications (2)

Application Number Title Priority Date Filing Date
TW103122062A TWI530889B (zh) 2009-10-05 2010-10-04 交易查核率分數曲線之即時調適性控制
TW099133702A TWI451345B (zh) 2009-10-05 2010-10-04 交易查核率分數曲線之即時調適性控制

Family Applications Before (1)

Application Number Title Priority Date Filing Date
TW103122062A TWI530889B (zh) 2009-10-05 2010-10-04 交易查核率分數曲線之即時調適性控制

Country Status (3)

Country Link
US (2) US8214285B2 (zh)
TW (2) TWI530889B (zh)
WO (1) WO2011044036A1 (zh)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9412123B2 (en) 2003-07-01 2016-08-09 The 41St Parameter, Inc. Keystroke analysis
US10999298B2 (en) 2004-03-02 2021-05-04 The 41St Parameter, Inc. Method and system for identifying users and detecting fraud by use of the internet
US11301585B2 (en) 2005-12-16 2022-04-12 The 41St Parameter, Inc. Methods and apparatus for securely displaying digital images
US8938671B2 (en) 2005-12-16 2015-01-20 The 41St Parameter, Inc. Methods and apparatus for securely displaying digital images
US8151327B2 (en) 2006-03-31 2012-04-03 The 41St Parameter, Inc. Systems and methods for detection of session tampering and fraud prevention
US9112850B1 (en) 2009-03-25 2015-08-18 The 41St Parameter, Inc. Systems and methods of sharing information through a tag-based consortium
US10242540B2 (en) * 2009-09-02 2019-03-26 Fair Isaac Corporation Visualization for payment card transaction fraud analysis
US8214285B2 (en) 2009-10-05 2012-07-03 Cybersource Corporation Real time adaptive control of transaction review rate score curve
US9652802B1 (en) 2010-03-24 2017-05-16 Consumerinfo.Com, Inc. Indirect monitoring and reporting of a user's credit data
EP2676197B1 (en) 2011-02-18 2018-11-28 CSidentity Corporation System and methods for identifying compromised personally identifiable information on the internet
US20130054390A1 (en) * 2011-08-22 2013-02-28 Metrologic Instruments, Inc. Encoded information reading terminal with nfc payment processing functionality
US11030562B1 (en) 2011-10-31 2021-06-08 Consumerinfo.Com, Inc. Pre-data breach monitoring
US10754913B2 (en) 2011-11-15 2020-08-25 Tapad, Inc. System and method for analyzing user device information
US8478688B1 (en) * 2011-12-19 2013-07-02 Emc Corporation Rapid transaction processing
US9633201B1 (en) 2012-03-01 2017-04-25 The 41St Parameter, Inc. Methods and systems for fraud containment
US9521551B2 (en) 2012-03-22 2016-12-13 The 41St Parameter, Inc. Methods and systems for persistent cross-application mobile device identification
US20130282565A1 (en) 2012-04-18 2013-10-24 Mastercard International Incorporated Systems and methods for managing transactions for a merchant
EP2880619A1 (en) 2012-08-02 2015-06-10 The 41st Parameter, Inc. Systems and methods for accessing records via derivative locators
WO2014078569A1 (en) 2012-11-14 2014-05-22 The 41St Parameter, Inc. Systems and methods of global identification
US8812387B1 (en) 2013-03-14 2014-08-19 Csidentity Corporation System and method for identifying related credit inquiries
US10417679B1 (en) * 2013-06-06 2019-09-17 Intuit Inc. Transaction validation scoring
US10902327B1 (en) 2013-08-30 2021-01-26 The 41St Parameter, Inc. System and method for device identification and uniqueness
US20150161609A1 (en) * 2013-12-06 2015-06-11 Cube, Co. System and method for risk and fraud mitigation while processing payment card transactions
US20160026912A1 (en) * 2014-07-22 2016-01-28 Intel Corporation Weight-shifting mechanism for convolutional neural networks
US10032230B2 (en) 2014-08-12 2018-07-24 Amadeus S.A.S. Auditing system with historic sale deviation database
US10091312B1 (en) 2014-10-14 2018-10-02 The 41St Parameter, Inc. Data structures for intelligently resolving deterministic and probabilistic device identifiers to device profiles and/or groups
US10339527B1 (en) 2014-10-31 2019-07-02 Experian Information Solutions, Inc. System and architecture for electronic fraud detection
US20160260099A1 (en) * 2015-03-03 2016-09-08 Amadeus S.A.S. Prioritizing transactions in a transaction queue
US20160364794A1 (en) * 2015-06-09 2016-12-15 International Business Machines Corporation Scoring transactional fraud using features of transaction payment relationship graphs
US11151468B1 (en) 2015-07-02 2021-10-19 Experian Information Solutions, Inc. Behavior analysis using distributed representations of event data
US11100506B2 (en) 2017-05-09 2021-08-24 Fair Isaac Corporation Fraud score manipulation in self-defense of adversarial artificial intelligence learning
US10699028B1 (en) 2017-09-28 2020-06-30 Csidentity Corporation Identity security architecture systems and methods
US10896472B1 (en) 2017-11-14 2021-01-19 Csidentity Corporation Security and identity verification system and architecture
TWI709188B (zh) 2018-09-27 2020-11-01 財團法人工業技術研究院 基於機率融合的分類器、分類方法及分類系統
US10769636B2 (en) 2018-11-29 2020-09-08 International Business Machines Corporation Cognitive fraud detection through variance-based network analysis
US11494787B2 (en) * 2020-06-30 2022-11-08 Optum, Inc. Graph convolutional anomaly detection
TWI787809B (zh) * 2021-05-07 2022-12-21 台達電子工業股份有限公司 資料預篩方法及其資料預篩裝置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US7376618B1 (en) * 2000-06-30 2008-05-20 Fair Isaac Corporation Detecting and measuring risk with predictive models using content mining
TWI314296B (en) * 2005-12-06 2009-09-01 Airlink Technology Co Ltd Portable device for trading data collection

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
USRE33267E (en) 1983-12-12 1990-07-17 The Foxboro Company Pattern-recognizing self-tuning controller
US5819226A (en) 1992-09-08 1998-10-06 Hnc Software Inc. Fraud detection using predictive modeling
US7251624B1 (en) 1992-09-08 2007-07-31 Fair Isaac Corporation Score based decisioning
EP0598469A3 (en) 1992-10-27 1996-07-10 Daniel P Dunlevy Interactive credit card fraud control process.
US7096192B1 (en) 1997-07-28 2006-08-22 Cybersource Corporation Method and system for detecting fraud in a credit card transaction over a computer network
US7403922B1 (en) * 1997-07-28 2008-07-22 Cybersource Corporation Method and apparatus for evaluating fraud risk in an electronic commerce transaction
US20030014379A1 (en) 1999-07-01 2003-01-16 Isaac Saias Adaptive and reliable system and method for operations management
US7418417B2 (en) 2000-02-11 2008-08-26 Goldman Sachs & Co. Credit index, a system and method for structuring a credit index, and a system and method for operating a credit index
US20020128960A1 (en) 2000-12-29 2002-09-12 Lambiotte Kenneth G. Systems and methods for managing accounts
US7356503B1 (en) 2001-02-21 2008-04-08 Fair Isaac And Company, Inc. ASP business decision engine
US7865427B2 (en) 2001-05-30 2011-01-04 Cybersource Corporation Method and apparatus for evaluating fraud risk in an electronic commerce transaction
US7689506B2 (en) 2001-06-07 2010-03-30 Jpmorgan Chase Bank, N.A. System and method for rapid updating of credit information
US7356506B2 (en) 2002-09-18 2008-04-08 General Electric Capital Corporation Methods and apparatus for evaluating a credit application
US20040064401A1 (en) 2002-09-27 2004-04-01 Capital One Financial Corporation Systems and methods for detecting fraudulent information
US8214285B2 (en) 2009-10-05 2012-07-03 Cybersource Corporation Real time adaptive control of transaction review rate score curve

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US7376618B1 (en) * 2000-06-30 2008-05-20 Fair Isaac Corporation Detecting and measuring risk with predictive models using content mining
TWI314296B (en) * 2005-12-06 2009-09-01 Airlink Technology Co Ltd Portable device for trading data collection

Also Published As

Publication number Publication date
TW201135610A (en) 2011-10-16
US20130013488A1 (en) 2013-01-10
US20110082781A1 (en) 2011-04-07
TW201506813A (zh) 2015-02-16
WO2011044036A1 (en) 2011-04-14
US8429070B2 (en) 2013-04-23
US8214285B2 (en) 2012-07-03
TWI530889B (zh) 2016-04-21

Similar Documents

Publication Publication Date Title
TWI451345B (zh) 交易查核率分數曲線之即時調適性控制
US10510078B2 (en) Anomaly detection in groups of transactions
US7263506B2 (en) Identification and management of fraudulent credit/debit card purchases at merchant ecommerce sites
US8019678B2 (en) Method and apparatus for evaluating fraud risk in an electronic commerce transaction
US7438226B2 (en) Fraud risk advisor
US8438068B2 (en) Reputation in on-line consumer markets
US20210097543A1 (en) Determining fraud risk indicators using different fraud risk models for different data phases
WO2015015458A1 (en) System and method for automatically providing a/r-based lines of credit to businesses
Nagurney et al. A game theory model of cybersecurity investments with information asymmetry
KR20160017630A (ko) 예측적 사기 차단
WO2001073631A1 (fr) Systeme destine au commerce electronique anonyme avec fonction et procede de credit
JP4755911B2 (ja) クレジットカード利用の不正スコアを算出するスコアリングシステム及びスコアリング方法
Demiroglu et al. Indicators of collateral misreporting
KR101753474B1 (ko) 예측적 사기 스크리닝
JP2021163391A (ja) 与信判定システム及び与信判定方法
US8719137B2 (en) Arrangement for and a method of determining damages in shareholder class action litigation
AU2011265479B2 (en) Fraud risk advisor
JP6821211B2 (ja) 金融商品取引管理装置、プログラム
WO2024091139A1 (ru) Выявление точки компрометации при обработке платежей

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees