Détection de fraude

Construisez des plateformes de détection moderne des fraudes avec Redis Enterprise

Avec la croissance exponentielle des transactions en ligne, la détection et réduction des fraudes est devenue plus complexe que jamais. Conçu pour traiter l’IA et les charges de travail dû au machine learning, pour proposer des outils permettant d’effectuer l’analyse statistique en temps réel et fournir un débit constant élevé d’écriture avec une faible latence, Redis Enterprise est la réponse apportée pour une détection des fraudes plus rapide et plus exacte.

Des plateformes numériques modernes rendent plus complexes la détection des fraudes

Les plateformes de paiement numériques et mobiles sont bien plus complexes et leur distribution est plus importante. Elles représentent des faiblesses logicielles bien plus nombreuses et fonctionnent avec un niveau d’interconnectivité que les techniques de détection des fraudes d’origine n’étaient pas conçues pour détecter.

Garder le rythme avec les transactions instantanées est un défi croissant

Grâce aux plateformes logicielles modernes, les transactions sont exécutées pratiquement instantanément. Toutefois, cette même vitesse de traitement permettant une excellente expérience des clients laisse moins de temps pour identifier et réagir aux fraudes.

L’identité numérique entraîne des risques de fraude bien plus importants

Les informations personnelles vérifiées avec des documents physiques sont maintenant enregistrées en ligne et sont donc relativement facilement accessible pour qu’un seul accès malintentionné aux données mette en danger des millions de personnes en permettant les détournements de comptes et la création de fausses identités.

Comment Redis Enterprise relève les défis de la détection des fraudes en temps réel

Les entreprises perdent des dizaines de milliards de dollars tous les ans sous forme d’amendes, de paiements et d’érosion de la confiance et de la fidélité des clients, des phénomènes sous-jacents au secteur des services. La complexité, le volume et la vitesse croissantes des transactions en ligne d’aujourd’hui implique que votre organisation aura besoin de méthodes plus avancées de détection des fraudes pour continuer à lutter contre les acteurs malintentionnés.

Effectuer des transactions plus rapidement avec l’inférence IA placée

Traiter les modèles d’apprentissage en profondeur directement là où se trouvent vos données dans Redis Enterprise afin d’augmenter très fortement la performance et de permettre une analyse plus rapide et plus juste des fraudes.

Gardez l’identité numérique de client à jour en temps réel

Redis Enterprise fournit les éléments nécessaires pour la création et le stockage de l’identité numérique : Débit d’écriture rapide avec latence minimale, recherche de géolocalisation et d’identité et plusieurs modèles de données.

Réduction des coûts avec l’analyse statistique haute vitesse

Les filtres de Bloom, la série temporelle et d’autres structures de Redis Enterprise vous permettent de contrôler efficacement par rapport à des structures connues avant de décider si une analyse criminalistique étendue est nécessaire.

Clients à l’honneur

L’utilisation de Redis Enterprise dans notre service de détection des fraudes a été une excellente décision pour notre organisation. Nous sommes dorénavant à même de gérer facilement des milliards de transactions tous les jours, d’accompagner notre taux de croissance exponentiel et d’accélérer la détection des fraudes pour tous nos clients.

Ravi Sandepudi

Responsable ingénierie, Simility

Caractéristiques des produits

Application de l’IA à l’apprentissage machine

Modèle d’IA placé fonctionnant avec RedisAI

L’IA et les modèles de machine learning sont de plus en plus fréquemment utilisés pour améliorer l’exactitude et la vitesse des plateformes de détection des fraudes. Toutefois, le besoin d’interroger les données de référence enregistrées dans une base de données différente crée une charge supplémentaire du réseau qui ralentit les durées de traitement. Redis Enterprise vous permet d’exécuter les modèles d’apprentissage profond directement là où se trouve vos données afin d’augmenter très fortement la demande et de permettre une analyse plus rapide et plus juste des fraudes.

Gestion programmable des données avec RedisGears

RedisGears est un moteur serverless intégré à Redis qui traite les données de transaction, de lot et celles dépendantes des événements. Il vous permet d’exécuter des fonctions dans Redis avec une capacité de programmation infinie. RedisGears permet d’utiliser des cas comme la mise en cache en write-behind, le traitement d’événement et l’utilisation conjointe de plusieurs modèles dans Redis pour permettre une analyse de fraude plus élaborée.

Création et mise à jour des identités numériques

Redis Enterprise en tant que cache des profils d’utilisateur

Pouvoir stocker et accéder rapidement aux profils des utilisateurs est essentiel pour vérifier l’identité du consommateur et prévenir la fraude. Redis Enterprise peut faire office de cache en haute disponibilité pour les données de profils et de sessions afin que les entreprises puissent empêcher les fraudes lors du traitement des transactions.

Redis Enterprise comprend une base de données intégrée à la mémoire pour l’identité numérique

Les identités numériques qui examine l’historique des transactions simultanément aux informations sur l’utilisateur doivent constamment être adaptées pour pouvoir bien fonctionner. Redis Enterprise fournit le haut débit en écriture et la faible latence nécessaire pour remplir le rôle de base de données primaire et pour la mise à jour des identités numériques en temps réel.

RedisGraph pour le suivi des relations et la lutte contre la fraude synthétique

Les bases de données en graphes pouvant suivre les relations au niveau de l’attribut sont de plus en plus utilisées pour détecter la fraude synthétique où plusieurs fausses identités sont créées à partir d’une combinaison d’identités réelles et d’informations personnelles falsifiées. RedisGraph permet le traitement des graphes pour ces cas d’utilisation jusqu’à 600 fois plus rapidement qu’avec les autres bases de données en graphes.

Moteur d’analyse statistique à grande vitesse

Détection des anomalies avec RedisTimeSeries

RedisTimeSeries vous permet d’ingérer et d’interroger des millions d’indicateurs et d’événements par seconde pour l’analyse historique et la détection des anomalies et prend en charge les opérations et intégrations rapides d’ingestion avec les plateformes existantes de visualisation des indicateurs.

Définir la détection avec RedisBloom

Les filtres Bloom sont des structures de données de probabilité utilisées pour déterminer si un élément fait partie ou pas d’un ensemble. RedisBloom permet une mise en œuvre rapide et efficace des filtres Bloom qui peuvent être interrogés pour voir si une transaction spécifique est présente dans une liste de structures frauduleuse connues afin de vous aider à décider si une étude criminalistique plus approfondie est nécessaire.

Garantir la fiabilité et la simplicité des opérations

Tolérance aux erreurs, résistance et haute disponibilité

Redis Enterprise utilise une architecture de grappe sans aucun partage et résiste aux erreurs, à tous les niveaux. Elle inclut un basculement automatisé au niveau du processus pour les nœuds individuels et même sur plusieurs zones de disponibilité d’infrastructure ainsi que la persistance réglable et la récupération en cas de sinistre.

Streaming et sourcing d’événements avec Redis Streams

Redis Enterprise peut faire office de stockage d’événements avec Redis Streams qui prend en charge les plateformes de détection des fraudes conçues pour ingérer et analyser de grandes quantités de transactions en temps réel.

Plusieurs modèles et structures de données pour une détection des fraudes en temps réel

En combinant plusieurs modules de Redis et des structures de données, Redis Enterprise peut alimenter plusieurs composants sur votre plateforme de détection des fraudes. Il en résulte une architecture plus simple capable de traiter les données au sein de modèles multiples sans avoir besoin de faire fonctionner plusieurs clients et connecteurs de base de données.

Les prochaines étapes