风险洞察

Stripe Radar 的自适应机器学习系统确定付款的风险分值和风险级别，并用它们来决定何时阻止付款或将付款标记为待审核。该系统利用 Stripe 网络中数百万家商家的数据，评估每笔付款的数百个信号。Stripe Radar 风控团队版中的风险洞察功能，可供您提前看到一些驱动 Radar 机器学习系统的信号。

付款的风险洞察

风险洞察还包括客户的相关信息，例如持卡人姓名与提供的电子邮件的匹配情况、与电子邮件地址相关的交易在 Stripe 网络内的成功率。授权率低可能表明行为可疑，因为之前付款被拒绝可能说明过去有人试图进行欺诈性交易。

我们还强调了基于地理位置的信息，包括与此付款相关的账单、运输和 IP 地址位置。

风险洞察

如果您想查看更多 Radar 信号，请点击风险洞察部分的显示所有洞察按钮。这将打开一个对话框，其中列有 Radar 机器学习引擎的信号。

Radar 风险洞察对话框

理解欺诈系数

欺诈因素数字

风险洞察对话框中的一些信号旁边有带数字的徽章。这些徽章显示了付款信号的欺诈因素。欺诈系数表示与 Stripe 上的平均交易相比，具有与该信号类似的值的收款存在欺诈的可能性。欺诈系数为 3.5 倍表示：与平均值相比，具有与该信号类似值的收款存在欺诈的可能性为 3.5 倍。对于较高风险的付款，我们预计会看到欺诈系数大于 1，而对于较低风险的付款，我们预计会看到欺诈系数小于1。

欺诈因素

将鼠标悬停在某个欺诈系数上，查看与它可能的值有关的更多信息。随着我们网络中数据的变化，这些系数也会随着时间的推移而不断变化。这些数据提供了信号的欺诈系数的分布背景。该对话框还提供了信号值的网络分布，通过它您可以知道当前付款在 Stripe 网络中是常见、罕见的、还是唯一的。

主要欺诈因素

主要欺诈因素

如果出现付款的评分值通常表示存在欺诈，则风险洞察对话框之外的顶级欺诈系数部分会通过欺诈信号给您发送通知。由于 Radar 的机器学习模型会检测由数百个信号组成的复杂模式，所以即使单个信号无任何可疑，一笔收款仍可能被正确识别出欺诈。

相关付款

您还可以查看相关付款网络，其中包括用与您当前查看的付款相同的客户 ID、IP 地址或卡号给您的任何其他付款。这有助于识别常见的欺诈模式，例如银行卡测试（多个不同银行卡的 IP 地址相同）或尝试滥用（很多“客户”共用一张银行卡）。

相关付款