Erkennen von betrügerischen Online-Aktivitäten

„Die Verifizierung und Validierung von Identitäten sind eine große Herausforderung in Schwellenländern. Die Fähigkeit, Benutzer richtig zu identifizieren, ist ein wesentliches Hindernis bei der Kreditaufnahme für Milliarden von Menschen in Schwellenländern. Die Verwendung von Amazon Rekognition zur Identitätsprüfung in unserer mobilen Anwendung hat Verifizierungsfehler deutlich reduziert und uns die Möglichkeit gegeben, diese zu skalieren. Wir können nun die Identität einer Person in Echtzeit ohne menschliches Zutun erkennen und verifizieren und so einen schnelleren Zugang zu unseren Produkten ermöglichen. Wir haben verschiedene stark beworbene Lösungen ausprobiert, aber keine der beliebten Alternativen konnte verschiedene Hauttöne genau abbilden. Amazon Rekognition hat uns geholfen, Gesichter unserer Kunden in unseren Märkten effektiv zu erkennen. Es hat uns auch dabei unterstützt, mit KYC überlappende Profile und doppelte Datensätze zu entdecken.“

Wale Akanbi – CTO und Mitbegründer, Aella Credit

„In den ersten beiden Quartalen des Jahres 2020 erlebten wir einen sprunghaften Anstieg der Konten, die für Phishing-Angriffe genutzt werden. Infolgedessen mussten wir unsere bestehende, selbst entwickelte Lösung durch stärkere Transaktionsdaten und Signale ergänzen, um böswillige Akteure früher zu erkennen. Eine skalierbare Lösung auf der Grundlage des vorausschauenden Machine Learning war für uns als wachsendes Unternehmen wichtig. Amazon Fraud Detector machte es uns leicht, mit unseren eigenen Daten ein Modell zu erstellen, das Kontoanmeldungen, die zu Phishing-Angriffen führen, genau identifiziert. Noch wichtiger ist, dass wir diese Ergebnisse mit einer sehr niedrigen Falsch-Positiv-Rate erzielen konnten, was für unser Betriebspersonal keinen zusätzlichen Arbeitsaufwand bedeutet. Amazon Fraud Detector verfügt über ein wettbewerbsfähiges Preismodell und wir können das Modell problemlos in unseren bestehenden Workflow integrieren.“

Alex Burch, Senior Email Operations Engineer, ActiveCampaign

„Amazon Fraud Detector ist eine großartige Ergänzung unserer Funktionen zur Betrugserkennung und -bekämpfung. Die Möglichkeit, benutzerdefinierte Regeln zu schreiben, die auf unsere spezielle Situation zutreffen, ML-Modelle nach Bedarf zu trainieren und die nahtlose Integration mit anderen AWS-Services erlauben es uns, schnell intelligente Entscheidungen zu treffen und dabei die vollständige Kontrolle über die Plattform zu behalten. AWS war während der Machbarkeitsnachweis-Phase sehr hilfreich und hat der Plattform im Einklang mit Betrugstrends neue Funktionen hinzugefügt.“

Mary Criniti, CTO, Qantas Loyalty

„Mit Amazon Fraud Detector haben wir betrügerische Transaktionen um 6 % reduziert. Gleichzeitig haben wir die Kassenabwicklung bei mehr als 90 % der Transaktionen, die zuvor für eine manuelle Überprüfung markiert worden wären, automatisiert. Mittlerweile überprüfen wir weniger als 1 % unserer Transaktionen manuell – vorher waren es 10 %. Seit der Einführung dieses Service hat sich unsere Trustpilot-Bewertung deutlich verbessert. Wir wissen, dass dies ein Ergebnis der Automatisierung der Checkout-Erkennung sowie weiterer Optimierungen ist, die wir ständig an der Website vornehmen. Vertrauen ist für uns eine wichtige Geschäftsgrundlage, daher ist das für uns ein enormer Gewinn.“

Kevin Cole, Operations Director bei Omnyex

„Amazon Fraud Detector hat es uns ermöglicht, unsere Abläufe drastisch zu verbessern, unsere Flexibilität beim Reagieren auf böswillige Akteure zu erhöhen und eine bessere Kontrolle über Systeme und Prozesse zu erlangen. Zunächst sahen wir uns eine hausinterne und eine Drittanbieterlösung an. Als Amazon Fraud Detector angekündigt wurde, haben wir sofort den Kurs geändert. Wir sind seit vielen Jahren Kunde von AWS und haben großes Vertrauen in die Produkte von Amazon. Mit Amazon Fraud Detector sind wir nicht mehr an die herkömmlichen Beschränkungen von On-Premise- oder SaaS-Angeboten gebunden. Stattdessen haben wir die Flexibilität, einen auf Machine Learning basierenden Service an unsere Bedürfnisse anzupassen, und die Möglichkeit, die Nur-Regeln-Option von AWS zu nutzen, während wir bei Bedarf leicht auf volle ML-Fähigkeiten skalieren können. Dies sparte Truevo 3–6 Monate an Entwicklungszeit! Tatsächlich haben wir unser erstes Prototypmodell innerhalb von 30 Minuten bereitgestellt. Insgesamt arbeiten wir mit größerem Vertrauen in unsere Fähigkeit, Betrug in Echtzeit aufzudecken. Wir sind besser in der Lage, Regelerkennungen bereitzustellen, wenn wir merkwürdige Aktivitäten bemerken, die wir vielleicht nicht ganz verstehen, die wir aber stoppen müssen. Wir sind in der Lage, auf die sich ständig ändernden regulatorischen und projektspezifischen Anforderungen zu reagieren und uns an diese anzupassen, sodass wir immer den Überblick behalten.“

Charles Grech, COO, Truevo