هدف تشخیص تقلب در تجارت الکترونیک به‌حداقل‌رساندن تاثیرگذاری تلاش‌های مجرمان سایبری و محافظت از کسب‌وکارهاست. مقاله «E-commerce Fraud Detection and Prevention: The In-Depth Guide» که نسخه اولیه آن 20 ژوئیه 2021 در وب‌سایت SPD Technology منتشر شده به این موضوع می‌پردازد که فناوری‌های مدرن چطور می‌توانند در این زمینه مفید باشند.
این مقاله ابتدا به آمارهای مربوط به تقلب در حوزه تجارت الکترونیک می‌پردازد. به‌عنوان مثال می‌گوید Cybersource مدعی است که در سال 2022 شرکت‌ها 2.9 درصد از درآمد جهانی‌شان را به‌واسطه تقلب از دست داده‌اند. البته وضعیت درحال بهبود است؛ چراکه راه‌حل‌های مدرنی برای این مسئله درحال شکل‌گیری هستند. یکی دیگر از آمارهایی که این مقاله ارائه می‌دهد اندازه بازار تشخیص تقلب در تجارت الکترونیک جهانی است که آن را در سال 2022 معادل 47.93 میلیارد دلار می‌داند. پیش‌بینی می‌شود این عدد تا سال 2030 با نرخ رشد مرکب 20.35 درصدی به 102.28 میلیارد دلار برسد.
نویسنده مقاله در ادامه به مهم‌ترین روندهای تقلب در تجارت الکترونیک می‌پردازد که شامل موارد زیر می‌شوند:
- تصاحب ایمیل کاری
- نقض داده‌ها
- حمله محروم‌سازی از سرویس
- تصاحب حساب ایمیل
- بدافزار/ ترس‌افزار
- فیشینگ/اسپوفینگ؛
- باج‌افزار
سپس نویسنده درمورد تمهیدات پیشگیری می‌نویسد و به ملزومات راه‌حل پیشگیری از تقلب اشاره می‌کند. راه‌حل پیشگیری از تقلب باید:
- شامل کنترل متوازن با ریسک در سطوح مختلف تعامل کاربر با کانال‌ها شود.
- به‌نحوی برنامه‌ریزی شود که امکان یکپارچه‌سازی با راه‌حل‌های شخص ثالث فراهم باشد تا نظارت بر همه گام‌های کاربر در هر نشستی فراهم باشد.
- در لحظه مقیاس‌پذیر باشد تا امکان اضافه‌شدن انتقال پرداخت سریع‌تر به هر نرم‌افزار شخص ثالثی فراهم باشد.
این مقاله در ادامه متداول‌ترین انواع تقلب در تجارت الکترونیک را تشریح می‌کند که شامل موارد زیر می‌شود:
- واقعی (تقلب کلاسیک)
- تقلب مثلثی
- تقلب راهزنی
- تقلب آزمایش اعتبار کارت
- تقلب بازگشت وجه
- تقلب پرداخت دیجیتال
- تقلب اپ فروشنده
- تقلب ثبت‌نام یا سوءاستفاده از پیشنهادهای ویژه
این مقاله همچنین شیوه‌های برتر امنیتی و محافظت از تقلب در حوزه تجارت الکترونیک را بررسی می‌کند و در ادامه به ابزارهای پیشگیری از تقلب در این حوزه می‌پردازد.
استفاده از یادگیری ماشین در راه‌حل‌های تشخیص و پیشگیری از تقلب این حوزه نیز مورد بررسی قرار می‌گیرد و این مقاله توضیح می‌دهد که چرا یادگیری ماشین عملکرد بسیار خوبی در این حوزه دارد. از جمله دلایل این مسئله می‌توان به پردازش لحظه‌ای داده‌ها، پیداکردن الگوهای پنهان، تشخیص پروکسی و وی‌پی‌ان، آنالتیکس رفتار، راستی‌آزمایی‌های سریع و دقیق، استفاده از کلان‌داده و نتایج نامتناقض اشاره کرد.
نویسنده مقاله در پایان اشاره می‌کند که کسب‌وکارها باید با بررسی دقیق راه‌حل‌های شرکت‌های مربوط در حوزه تشخیص و پیشگیری از تقلب، بهترین گزینه را انتخاب کنند.
منبع: