Antifraude
Antifraude Getnet evalúa el riesgo de las transacciones de comercio electrónico. Combina los datos del cliente con machine learning avanzado, redes neuronales, reglas configurables y decisiones de gestión.
La precisión de la detección de fraude aumenta con el volumen y la calidad de los datos. Estos datos entrenan los modelos y permiten usar más indicadores de fraude. Como resultado, las evaluaciones de riesgo son más precisas para cada transacción.
Getnet Web Checkout incorpora una solución antifraude integrada que opera en tiempo real durante todo el flujo de pago. El sistema analiza múltiples señales, como el comportamiento de compra, la información del dispositivo y la consistencia de los datos. Con esto, genera un score de riesgo y aprueba o bloquea transacciones automáticamente.
Proporcionar datos completos y precisos del cliente al crear el payment intent mejora la eficacia del análisis. Además, aumenta las tasas generales de detección de fraude.
Por lo tanto, solicitamos que la información obligatoria del customer se incluya siempre al crear un payment intent de Web Checkout. La tabla a continuación detalla los campos requeridos:
| Campo | Tipo | Descripción | Ejemplo |
|---|---|---|---|
customer_id | String | Número de identificación del cliente | customer_21081826 |
first_name | String | Nombre del cliente | John |
last_name | String | Apellido del cliente | Doe Smith |
name | String | Nombre completo del cliente | John Doe Smith |
document_type | String | Tipo de documento | CPF |
document_number | String | Número del documento del cliente | 12345678912 |
email | String | Correo electrónico del cliente | [email protected] |
billing_address | Object | Información completa de la dirección del cliente | — |
Ejemplo de un objeto customer dentro del payment intent:
{
...
"customer": {
"customer_id": "customer_21081826",
"first_name": "John",
"last_name": "Doe Smith",
"name": "John Doe Smith",
"email": "[email protected]",
"document_type": "CPF",
"document_number": "12345678912",
"phone_number": "5551999887766",
"gender": "Male",
"checked_email": false,
"billing_address": {
"street": "Av. Brasil",
"number": "1000",
"complement": "Sala 1",
"district": "São Geraldo",
"city": "Porto Alegre",
"state": "RS",
"country": "BR",
"postal_code": "90230060",
"reference": "Near the hospital"
}
},
...
}Device Fingerprint
El device fingerprinting es una técnica de prevención de fraude. Identifica de forma única el dispositivo involucrado en una transacción, según una combinación de atributos técnicos y de comportamiento.
En lugar de depender de un único identificador, el método analiza múltiples señales. Estas incluyen el tipo de dispositivo, el sistema operativo, las características del navegador y la dirección IP. También incluyen la geolocalización, la resolución de pantalla, la configuración de idioma y otros factores del entorno. Así, genera un perfil único del dispositivo.
Dentro del ecosistema antifraude de Getnet, el device fingerprinting ayuda a detectar comportamientos sospechosos. Identifica patrones como transacciones repetidas desde el mismo dispositivo con distintas tarjetas. También detecta frecuencia de compra anormal o inconsistencias entre los datos del dispositivo y la información del cliente.
Este enfoque refuerza la evaluación de riesgo. Permite detectar con más precisión los intentos fraudulentos y reduce los falsos positivos.
La eficacia del device fingerprinting aumenta cuando los datos del dispositivo se recopilan de forma consistente y correcta durante el flujo de pago. Esto contribuye a un score de riesgo más confiable. También mejora la toma de decisiones en tiempo real para aprobar o bloquear transacciones.