当我们推出Stripe Radar帮助您防止支付欺诈时，我们内置了手动审查可疑付款的功能。可疑的付款会被雷达的机器学习系统或者触发你的企业设置的自定义规则来检查。由于欺诈通常会在假日期间增加，我们今天将推出几个新功能，以提供更多信号和背景数据，以改善审查流程：使用行为模式识别欺诈行为雷达的机器学习系统使用数百个信号和试探法来确定一笔付款是否可能是欺诈性的。当手动审核可疑付款时，我们发现行为信号提供了有用的数据，因此我们将其中一些信号添加到审查页面中。查看付款时，您将看到用于购买的操作系统和设备类型、购买前查看的页面数以及购买会话持续时间。（欺诈性购买与您的业务的典型会话相比，其会话长度通常很快，令人怀疑。）此外，为了帮助您快速识别差异，我们现在还显示用于购买的IP地址的位置与与信用卡关联的地址之间的距离。查看费用时查看相关付款一个特别有用的欺诈检测机制是交叉引用相关的付款，因此您现在可以在查看费用时看到相关的付款。Stripe的机器学习系统已经在数十亿美元的支付数据中寻找异常和可疑模式。我们现在通过直接向您的账户支付相关款项来增加这一点，以便进行额外的人体分析。雷达将自动显示与您当前正在审核的付款共享相同IP地址、卡或客户的付款。这将有助于捕捉常见的欺诈模式，如幼稚的卡测试（许多不同的卡共享一个IP地址）或试用滥用（许多"客户"共享同一张卡）：这些数据点揭示了欺诈模式，否则很难发现。用户是否在离帐单地址很远的设备上购买商品？他们在花2500美元买东西之前只看了一页吗？在我们测试这些功能时，Watsi（一家非盈利医疗保健机构）的团队报告说，与以前相比，审查付款所花的时间大大减少，而且更容易准确地识别欺诈性捐款。如果您对入门感兴趣或想了解更多有关如何为您的业务启用这些信号，请查看我们的集成指南和最佳实践。只需要充分利用条纹.js通过您的站点（不仅仅是签出页面），并使用customer对象将相关的客户信息（如姓名、电子邮件地址、帐单和发货地址）传递到Stripe。然后我们会自动处理其余的。我们希望此更新对您在即将到来的假日期间的业务有帮助。如果您有任何问题或反馈，请让我们知道！