¡Síguenos!

info@seon.io

Solución de IA y machine learning
para la detección del fraude

"El machine learning de SEON encuentra similitudes con base en tu interacción y tus reglas para detectar abusos que no notarías en otras circunstancias."

Puntuaciones de riesgo y reglas preestablecidas, personalizables y sugeridas

Los estafadores tienen patrones del comportamiento. Conoce nuestro motor de machine learning para crear reglas complejas y ganarles la partida, sin tener que renunciar al control.

Machine Learning de Caja Blanca

Conocemos a los estafadores. Comienza a combatir el fraude con SEON en minutos gracias a nuestro robusto conjunto de reglas predeterminadas constituida a partir de nuestra experiencia y datos. Detecta dispositivos sospechosos, patrones de comportamiento y conexiones inusuales entre usuarios con gran facilidad.

Machine Learning de Caja Negra

Nuestro machine learning de caja negra hace cálculos tras bambalinas, dándote otra línea de defensa contra el fraude. El sistema calcula la probabilidad de fraude con base en las características de la transacción y tus datos históricos. Siempre tendrás la decisión final al configurar lo que la caja negra puede o no hacer.

Etiquetas y Retroalimentación

La inteligencia artificial de SEON aprende con retroalimentación, volviéndose más efectiva para detectar el riesgo de fraude específico de tu negocio. Alimenta el sistema a través de nuestra interface o utiliza nuestra API de etiquetado para automatizarlo. Los bucles de retroalimentación mejoran nuestra inteligencia para ofrecerte mejor servicio.

Potencia tu detección del fraude

Con reglas precisas y dinámicas basadas en una variedad de datos y métodos

Perfecto como

escalar tus estrategias de prevención de fraude

irrumpir en nuevos mercados con tranquilidad

Disponible como

entrenarse con datos existentes

desplegarse hoy mismo con reglas preestablecidas

aprovechar el poder del algoritmo C5.0

aprobar o rechazar transacciones automáticamente

Conoce cómo SEON combate el fraude

Combate todo tipo de amenazas de fraude

robo de identidad

farmeo de cuentas

lavado de dinero

robo de cuentas

ataques de phishing

reversiones de pago

disputa de pagos

identidades sintéticas

ataques de bots

multas regulatorias

"As soon as our staff used SEON on a regular basis, they could see its value. It immediately started saving them time as they didn’t have to trawl through the usual checkpoints. So much so, that the time spent by Air France analysts on manual reviews is down by an impressive 70%. Instead, all the information they needed was on one screen with a simple scoring system enabling them to see if a transaction was real or not."

Eric Facquet

Deputy Manager of Fraud Prevention

"The most useful thing for us was to be able to see if the email and phone numbers weren’t registered anywhere. We also rely on the device fingerprinting metadata in our scorecard to filter out junk users. We immediately saved about 6% of costs on our automated KYC checks. After only 2 months, we started seeing impressive results. Up to 3 times fewer cases of defaulting customers in new regions such as Romania and Europe. 4 months later, the fraud rates dropped by over 65%."

Sergey Bogdanov

Chief Risk Officer

"We were looking at another provider, but they came back to us with a 4-6 months integration window. With SEON, it was literally a phone call, sandbox tests on Monday and by the end of the week, it was done. One other thing I’d like to comment on is the pricing model. It’s really 2022, like for scaling together. The SEON model, it’s now one we actively look for with our other partners. Clearly an organization that approaches work and its customers in a different way."

Coert Snyman

Senior Analyst

"I tested some extra rules, and over a few months I managed to push SEON’s auto approval from an initial accuracy of 95% unto 99.5%. Taking the time to update your SEON rules is an investment that gives great results. And the best thing is that we can do so without deploying any software. From an engineering perspective, it is extremely time and resource saving, allowing us to react much faster."

Phillipp Keller

Senior Product Manager

"I couldn’t believe how fast the results came,” says Gergely. “Our chargeback rates dropped by 91% in one month only.” Moreover, the number of manual queries and fraud catch rates continued to improve after the initial 30 days as the system adjusted itself – part of the benefits of deploying a machine-learning algorithm to fine-tune accuracy."

Gergely Kálmán

CEO

"SEON allows us to stay one step ahead as by keeping advantage players at bay we are able to continue offering competitive bonuses with low wagering requirements to our players,” Daniel says. “And the fact that SEON team are so open to feedback and implement the feedback quickly gives us as their client a significant advantage which we couldn’t find with other competitors in their field."

Daniel Saliba

Head of Compliance

"It wasn’t just the technology that’s great though, the education side of things helped us understand the types of tactics and patterns used by fraudsters and put rules into place to prevent them."

Stacey Pickering

Head of Operations

"We deployed SEON both on our website and web app to gather device data as well as IP and email information. It was unbelievably fast, both in terms of integration and results. In 4 days only, our fraud rates were pretty much down to 0."

Lewis Bye

Senior Projects and Operations Specialist

"We overlay SEON’s digital and social lookup with device fingerprinting to get a good indication of whether the phone or tablet belongs to the actual client. We can instantly filter out obvious fraudsters with no digital or social presence, and we get better intelligence to automate our decision making."

Juris Rieksts-Riekstinš

Head of Risk

Inteligencia artificial
y machine learning

SEON cuenta con un poderoso machine learning diseñado para ayudarte a identificar patrones de riesgo automáticamente. Con base en inicios de sesión, registros y transacciones marcadas, puede recomendar nuevas reglas para ayudar a identificar patrones en el comportamiento del usuario. Con ello puedes calcular la precisión de estas reglas y tomar decisiones automáticamente con base en tasas de confiabilidad.

Nuestro algoritmo de sugerencias de reglas de caja blanca está desarrollado en C5.0 y funciona mejor tras procesar al menos 10 transacciones, tras lo cual puedes recibir sugerencias para reglas complejas o heurísticas para detener incluso a los estafadores más sofisticados. Mientras tanto, un módulo de ML de caja negra en SEON examinará cada actividad de los usuarios y marcará a los clientes sospechosos por separado del motor principal, para una capa de seguridad adicional.

El módulo de caja blanca proporciona un razonamiento legible por humanos para ayudar a tus analistas. El módulo blackbox utiliza CatBoost para calcular el riesgo a través de un modelo plug-and-play que requiere de poca interacción. Como cliente de SEON, puedes elegir utilizar ambos módulos, uno solo o ninguno de ellos. La meta siempre es la misma: mejorar la precisión de tu detección del fraude con el tiempo, con base en el panorama único y real de tu negocio.

Preguntas frecuentes

¿El algoritmo de machine learning de SEON es de caja blanca o de caja negra?

SEON ofrece soluciones tanto de caja blanca como de caja negra. Puedes comenzar de inmediato con una herramienta de machine learning de caja negra, que te indicará cuando un usuario demuestre comportamiento sospechoso. Esta comprobación adicional no interfiere con tu puntuación de fraude basado en conjuntos de reglas completamente legibles. Además, también puedes utilizar nuestra solución de caja blanca por separado que ofrece reglas legibles por humanos y testeables que funcionan específicamente para ti.

¿Cuánto tarda el machine learning de caja blanca de SEON para sugerir reglas?

Nuestro motor de machine learning de caja blanca ofrece los mejores resultados tras haber sido alimentado con al menos 1.000 transacciones (o acciones de usuario) rechazadas, idealmente con etiquetas.

¿En qué algoritmo se basa el modelo de machine learning de SEON?

El algoritmo de machine learning de caja blanca de SEON, que sugiere nuevas reglas, se basa en C5.0. El módulo de caja negra, que proporciona una puntuación de riesgo de caja negra, utiliza CatBoost.

¿Donde puedo encontrar más información usando el modelo de Machine Learning de SEON?

Puedes aprender más sobre el modelo de ML de SEON utilizando nuestra base de datos (Knowledge Base). También aqui dispones de un artículo sobre la detección de fraude con machine learning.

Lea Más Sobre
IA y machine learning

Comienza a combatir el fraude desde hoy

¿Listo para ver cómo descienden tus tasas de fraude en cada hora?
Contáctanos para obtener una prueba gratuita o para observar como SEON puede ayudarte a desarrollar tu empresa de forma segura hoy mismo.

Obtén SEON, es gratis Consulta con expertos

Solución de IA y machine learningpara la detección del fraude