Antifraude

O Antifraude Getnet avalia o risco de transações de e-commerce combinando dados fornecidos pelo cliente com tecnologias avançadas de machine learning, redes neurais, regras configuráveis e decisões gerenciais.

A precisão da detecção de fraudes aumenta conforme cresce o volume e a qualidade dos dados usados para treinar os modelos. Conjuntos de dados mais ricos permitem o uso de um conjunto mais amplo de indicadores de fraude, resultando em avaliações de risco mais precisas para cada transação.

A Payment Link API da Getnet conta com uma solução antifraude integrada que opera em tempo real ao longo de todo o fluxo de pagamento. O sistema analisa múltiplos sinais — como comportamento de compra, informações do dispositivo e consistência dos dados — para gerar um score de risco e aprovar ou bloquear transações automaticamente. Fornecer dados completos e precisos do cliente no momento da criação do payment intent melhora significativamente a eficácia da análise e aumenta as taxas gerais de detecção de fraude.

Por isso, pedimos que todas as informações obrigatórias do cliente sejam fornecidas corretamente no momento da criação de um payment intent da Payment Link API, conforme descrito abaixo:

Campo	Tipo	Descrição	Exemplo
`customer_id`	String	Número de identificação do cliente	`customer_21081826`
`first_name`	String	Primeiro nome do cliente	`John`
`last_name`	String	Sobrenome do cliente	`Doe Smith`
`name`	String	Nome completo do cliente	`John Doe Smith`
`document_type`	String	Tipo de documento	`CPF`
`document_number`	String	Número do documento do cliente	`12345678912`
`email`	String	E-mail do cliente	`[email protected]`
`billing_address`	Object	Informações completas do endereço do cliente	—

Exemplo de um objeto customer no 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

Device fingerprinting é uma técnica de prevenção a fraudes usada para identificar de forma única o dispositivo envolvido em uma transação, com base em uma combinação de atributos técnicos e comportamentais. Em vez de depender de um único identificador, o método analisa múltiplos sinais, como tipo de dispositivo, sistema operacional, características do navegador, endereço IP, geolocalização, resolução de tela, configurações de idioma e outros fatores do ambiente, para gerar um perfil único do dispositivo.

Dentro do ecossistema antifraude da Getnet, o device fingerprinting ajuda a detectar comportamentos suspeitos ao identificar padrões como transações repetidas a partir do mesmo dispositivo usando cartões diferentes, frequência de compra anormal ou inconsistências entre os dados do dispositivo e as informações do cliente. Essa abordagem fortalece a avaliação de risco ao permitir uma detecção mais precisa de tentativas de fraude, minimizando falsos positivos.

A eficácia do device fingerprinting aumenta quando os dados do dispositivo são coletados de forma consistente e correta durante o fluxo de pagamento, contribuindo para um score de risco mais confiável e para uma tomada de decisão mais precisa em tempo real, tanto para aprovação quanto para bloqueio de transações.