信用卡方便了人们的生活，也给犯罪分子带来机会。（图片来源：Getty Images）
【看中国2017年9月8日讯】信用卡方便了人们的生活，也给犯罪分子带来机会。如果你有信用卡或借记卡，就完全有可能遭遇诈骗，这和世界各地的其他数百万人一样。
从20世纪80年代开始，信用卡、借记卡和预付费卡的使用在世界各地大幅增加。根据尼尔森2016年10月发布的一份报告，2015年，这些支付系统在全世界的交易额超过31万亿美元，较2014年增加7.3%。
2015年，欧洲每8笔交易就有7笔通过电子方式完成。
得益于PayPal等新兴在线汇款系统和电子商务在世界各地的快速普及——也包括发展中市场，那里正在缓慢普及在线支付——这些趋势有望持续。
多亏了Flipkart、Snapdeal和亚马逊印度等顶尖企业（它们合计占到印度2015年电子商务市场80%的份额）以及阿里巴巴和京东（它们合计占到中国2016年电子商务市场超过70%的份额），电子支付正在接触海量的新消费群体。
这也成了网络犯罪分子眼中的金矿。根据尼尔森的报告，全球因为信用卡诈骗造成的损失在2015年增加到210亿美元，高于2010年的80亿美元左右。到2020年，这一数字有望达到310亿美元。
除了其他费用外，这些成本包括银行和信用卡公司支付给受害客户的返款（西方很多银行承诺，只要信用卡用户在30天内报告犯罪行为，便可将其最高损失限制为50美元，借记卡的期限为2天），这便刺激银行投入大笔资金开发反欺诈技术。
网络犯罪还会在其他方面给企业造成损失。企业需要为客户提供极高的安全标准。如果在这方面有所疏忽，信用卡公司可能就会要求他们偿还欺诈损失。
欺诈类型
信用卡欺诈有很多类型，而且随着新技术催生了新颖的网络犯罪，使得它们的变化频率很快，几乎不可能逐一列出。
但还是可以分成两种主要类型：
无卡欺诈：这是最常见的一种欺诈，指的是在没有使用卡片的情况下窃取持卡人信息或非法使用其卡片的行为。这种欺诈往往发生在网上，源头可能是所谓的"钓鱼"邮件：欺诈者假冒信用机构向人们发送邮件，通过虚假冒充的链接窃取个人或财务信息。
有卡欺诈：这种情况目前较为少见，但仍然值得关注。这往往以"盗读"（skimming）的形式进行——不诚实的商家在刷消费者的信用卡时会存储相关信息。一旦这些数据被用于购物，消费者的账号就会被扣款。
信用卡交易机制
信用卡诈骗之所以快速发展，一定程度上源于这种交易采用了简单的两步流程：授权和结算。
起初，参与交易的各方（客户、信用卡发卡机构、商户和商户的银行）通过收发信息来授权或拒绝授权某项购买行为。如果购买行为得到授权，便会通过货币交换来结算，这通常会在授权发生几天后进行。
一旦购买行为获得授权，就无法追溯。这意味着所有的欺诈探测措施都必须在第一步交易过程中完成。
以下就是具体实施过程的极简版本。
一旦Visa或Mastercard等公司将品牌授权给发卡机构——像巴克莱银行这样的贷方——以及商家的银行，他们就会敲定交易条款。
之后，发卡机构会将实体信用卡交付给消费者。要用信用卡购物，持卡人就要将自己的卡片交给商家（或者在网上手动输入卡片信息），由后者将消费者及其准备进行的交易数据发送给商家的银行。
该银行随后将所需的信息发送给发卡机构，以供分析和验证——或者拒绝。发卡机构的最终决定会返回给商家的银行和商家。
只有两种情况才有可能拒绝交易：当持卡人账号余额不足时，或者根据商家的银行提供的数据，怀疑这笔交易涉嫌欺诈时。
错误地怀疑欺诈会给消费者带来不便，他们的购买行为会被拒绝，其卡片也有可能被发卡机构冻结，还会对商家的声誉构成破坏。
如何对抗欺诈？
我研究了如何用先进的统计和概率技术更好地发现欺诈行为，结果发现，配合其他技术使用的序列分析是关键所在。
得益于对持卡人开支和信息的持续监控——包括每笔交易的时间、金额和地理坐标——就有可能开发一个电脑模型，从而计算某项交易的欺诈概率。如果概率超过特定阈值，发卡机构就会发出警报。
然后公司会决定直接冻结卡片还是展开进一步的调查，包括致电消费者。
这种模式将名为"最优停时理论"（optimal stopping theory）的著名数学原理应用到欺诈识别中，其优势在于，它的目标既可以是预期收益最大化，也可以是预期成本最小化。换句话说，所有的计算目标都是为了限制误报频率。
我的研究仍在进行。但与此同时，为了大幅降低遭受信用卡诈骗的风险，可以遵循一些黄金准则。
首先，永远不要在那些向你索要个人信息的邮件中点击链接，即便邮件似乎是你的银行发来的。
第二，从不知名的在线卖家那里买东西时，首先搜索商家的名字，看看消费者的反馈是否以正面为主。
最后，当你在网上支付时，应该检查网址是否以https://开头，这是一种安全的数据传输通讯协议。此外还要确认网址中不包含语法错误或怪异文字——倘若出现这种情况，或许就表明这纯粹是为了窃取你的财务数据而设计的虚假网站。
(文章仅代表作者个人立场和观点)
看完这篇文章觉得
排序