回答情况：
提问时间：
问题标签：
3回答
我们正在寻找一个好方法来阻止我们网站上的欺诈行为。我们有一个不断的流量进来的网站-我们有定期访问正常的信息(IP，会话，cookies等)，加上用户提供的信息。如果我们能实时阻止他们，我们就能让我们的广告商满意(欺诈永远不会发生)。任何有关检测此欺诈的自动化解决方案的帮助都将不胜感激。
浏览 1修改于2011-11-19得票数 2
投票系统需要防欺诈。也就是说，每个访问者在每次选举中只允许一次投票，并且没有用户帐户。我曾考虑为每一次投票存储一个SimpleDB项目以及它所来自的ip地址。
浏览 2提问于2011-05-23得票数 0
回答已采纳
我正在创建一个多人HTML5 P2P游戏；我想使用WebRTC来在没有服务器的情况下进行通信。我想说的是，因为TLS涉及到Diffie-Hellman密钥交换；所有通信都应该与SHA签署AES +。所以我猜这是安全的。
浏览 3提问于2014-03-13得票数 0
回答已采纳
但是我想使用gzip压缩那些Jscript文件->ng build &prod& gzip-all \“dist/防欺诈/.”
浏览 2修改于2019-07-24得票数 0
回答已采纳
1回答
我的团队正在讨论如何改进客户平台上的防欺诈算法。不出所料，欺诈活动中使用的电子邮件地址经常在诸如Gmail这样的免费邮件提供商注册。我们缺少的一个标准是，作为对我们的防欺诈系统的投入，它将给我们提供非常宝贵的信息，那就是账户的年龄。
是否有API方法(或任何其他方式)允许我们在注册Gmail帐户时进行查询？
浏览 4修改于2016-01-16得票数 7
用微信开放平台的第三方平台开发，客户微信公众号授权后，在存在表单填写内容的时候，微信输入框的“防欺诈盗号”安全提醒。这个问题困扰了很久！怎么解决？谁知道？谢谢！！！！！
浏览 3114提问于2019-02-27
虽然AMEX的防欺诈措施很好，而且他们发现了欺诈企图，但当他们不得不发行一张新卡时，这是一个相当麻烦的问题。我有几件事设置为自动支付，所以我已经记住他们，登录到他们的网站，并更新我的支付信息。
浏览 0提问于2014-07-22得票数 1
你好，再次StackOverflow社区：
我需要防止我的站点在传统的弹出窗口中被打开(由于一些防欺诈问题，因为该站点是一个广告网络，并且可以通过在弹出窗口中自动加载广告来进行欺诈)。
浏览 1修改于2012-05-27得票数 0
我的支付网关支持在收费卡时对这些字段进行验证，并且我希望在验证付款时尽可能多地验证以防止欺诈。如果不是的话，我如何才能以相当好的防欺诈水平来支持国际销售，并且仍然能够在全球范围内计算销售税？
浏览 0提问于2014-10-27得票数 2
为了防欺诈的目的，我想阻止访客后，一定数量的不正确的登录尝试。此时，我有一个manager类，它封装了登录的实际函数调用。如果访问者被阻塞，那么管理器会抛出一个异常，因此永远不会调用实际的登录方法。
浏览 5修改于2017-05-23得票数 1
回答已采纳
因此，任何想要创建汇总状态的人都可以使用这些回调数据，并且在两周后，随着防欺诈期限的结束，就可以将其从calldata中删除。这是正确的吗？
浏览 0提问于2020-10-19得票数 4
对于数据表示在线欺诈或保险(每一行代表一个事务)的问题，响应变量通常表示以美元表示的欺诈行为的价值。这样的响应值可能少于5%的非零值，表示欺诈交易。关于这样的数据集，我有两个问题：
我们可以使用哪些算法来保证模型不仅可以准确地预测欺诈交易，而且还可以预测与这些欺诈相关的欺诈的价值。假设我们可以量化每个假阳性所涉及的成本(将非欺诈交易标记为欺诈性交易)和由于虚假否定而产生的成本(将欺诈性交易标记为非欺诈性交易)，我们如
浏览 0修改于2014-11-12得票数 3
我想回顾一个2011年年法国发生了欺诈事件，其中发布了一个纸 (也是从Ars链接的)。我是在讨论EMV卡的安全性和在美国强制引入EMV卡的安全性之后才谈到这一点的。反正我住在欧洲。这一问题与具体欺诈直接相关，必须与2011年联系起来，因为这一技术得到了缓解。这意味着这个问题不是真实的。在对欺诈行为进行发现和密码分析后，POS系统和card协议中部署了大量的防欺诈增强措施，以克服该技术的不足。信用卡可能被实际偷去(比如2011年的欺诈)，或者他们的密码被泄露，也就是被胁迫。我阅读了整份我所
浏览 0修改于2020-06-16得票数 1
回答已采纳
2回答
来电者18777348472有我的名字&我信用卡的最后4位数，并表示他来自防欺诈部门:有人试图通过亚马逊收取600美元的费用。他让我通过向他提供CVV (卡背面的3位数号码)来确认我手上有这张卡。
浏览 0修改于2019-10-19得票数 9
在经典的欺诈预测问题中，有没有办法降低误报率？目前，我正在研究经典的欺诈检测。有50000个样本有真实的标签(结果是由于调查)。这些训练标签是相当平衡的。现在，当使用该模型预测新病例时，结果是50/50(欺诈和非欺诈)。有没有办法调整模型，让我们通过非欺诈案件并惩罚假阳性率，以便我们检测到较少的欺诈案件(可能少于一百万起中的200起)，但它们极有可能是欺诈。希望这一切都清楚了。
浏览 82提问于2020-12-20得票数 1
我有一个数据集，我想分类为欺诈/非欺诈，我有许多薄弱的学习者。我担心的是，有更多的欺诈比没有欺诈，所以我的弱学习者表现好于平均水平，但没有一个表现超过50%的准确性在成套。我的问题是，我是否应该设置测试和培训集，其中一半是欺诈，一半不是欺诈，或者我是否应该使用一个代表性的样本。
浏览 0修改于2015-06-13得票数 7
默认情况下，CN2为两个类(欺诈和非欺诈)学习规则。由于我只对欺诈类规则感兴趣，学习非欺诈规则是浪费时间，特别是考虑到我需要在许多数据集中运行CN2。CN2是否可能只学习欺诈类规则，如果有，如何在脚本中配置它来完成这个任务？谢谢!
浏览 3提问于2015-06-26得票数 1
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号