Antifraude
O Antifraude Getnet avalia o risco de transações de e-commerce combinando dados fornecidos pelo cliente com tecnologias avançadas de machine learning, redes neurais, regras configuráveis e tomada de decisão gerencial.
A precisão da detecção de fraude aumenta à medida que o volume e a qualidade dos dados usados para treinar os modelos crescem. Conjuntos de dados mais completos permitem o uso de um conjunto mais amplo de indicadores de fraude, resultando em avaliações de risco mais precisas para cada transação.
O Getnet Web Checkout conta com uma solução antifraude integrada que opera em tempo real ao longo de todo o fluxo de pagamento. O sistema analisa múltiplos sinais, como comportamento de compra, informações do dispositivo e consistência dos dados, para gerar um score de risco e aprovar ou bloquear transações automaticamente.
Fornecer dados completos e precisos do cliente no momento da criação do payment intent aumenta a efetividade da análise e melhora as taxas gerais de detecção de fraude.
Portanto, solicitamos que todas as informações obrigatórias do customer sejam corretamente fornecidas no momento da criação de um payment intent do Web Checkout, conforme descrito abaixo:
| Campo | Tipo | Descrição | Exemplo |
|---|---|---|---|
customer_id | String | Número de identificação do cliente | customer_21081826 |
first_name | String | Primeiro nome do cliente | John |
last_name | String | Sobrenome do cliente | Doe Smith |
name | String | Nome completo do cliente | John Doe Smith |
document_type | String | Tipo de documento | CPF |
document_number | String | Número do documento do cliente | 12345678912 |
email | String | E-mail do cliente | customer@email.com.br |
billing_address | Object | Informações completas do endereço do cliente | — |
Exemplo de um objeto customer no payment intent:
{
...
"customer": {
"customer_id": "customer_21081826",
"first_name": "John",
"last_name": "Doe Smith",
"name": "John Doe Smith",
"email": "customer@email.com.br",
"document_type": "CPF",
"document_number": "12345678912",
"phone_number": "5551999887766",
"gender": "Male",
"checked_email": false,
"billing_address": {
"street": "Av. Brasil",
"number": "1000",
"complement": "Sala 1",
"district": "São Geraldo",
"city": "Porto Alegre",
"state": "RS",
"country": "BR",
"postal_code": "90230060",
"reference": "Near the hospital"
}
},
...
}Device Fingerprint
O device fingerprinting é uma técnica de prevenção a fraudes usada para identificar de forma única o dispositivo envolvido em uma transação, com base em uma combinação de atributos técnicos e comportamentais.
Em vez de depender de um único identificador, o método analisa múltiplos sinais, como tipo de dispositivo, sistema operacional, características do navegador, endereço IP, geolocalização, resolução de tela, configurações de idioma e outros fatores do ambiente, para gerar um perfil único do dispositivo.
No ecossistema antifraude da Getnet, o device fingerprinting ajuda a detectar comportamentos suspeitos ao identificar padrões, como transações repetidas a partir do mesmo dispositivo com cartões diferentes, frequência de compra anormal ou inconsistências entre os dados do dispositivo e as informações do cliente.
Essa abordagem fortalece a avaliação de risco ao permitir uma detecção mais precisa de tentativas de fraude, ao mesmo tempo em que minimiza falsos positivos.
A efetividade do device fingerprinting aumenta quando os dados do dispositivo são coletados de forma consistente e correta durante o fluxo de pagamento, contribuindo para um score de risco mais confiável e para uma tomada de decisão em tempo real mais eficiente na aprovação ou bloqueio de transações.