Dengan melatih pada puluhan miliar transaksi, model yang diawasi sendiri ini menangkap pola halus di seluruh penerbit kartu, bank, dan lainnya, menciptakan embedding yang kuat.
Hasilnya?
Tingkat deteksi 97% untuk serangan uji kartu yang canggih ( meningkat dari 59% ) dan perbaikan prediksi sengketa serta optimisasi otorisasi.
Wawasan Visual: Proyeksi t-SNE menampilkan terobosan ini. Titik oranye [legit transactions] mendominasi sisi kanan, sementara kluster biru-hijau [uncertain/card-testing] terpusat di kiri.
Titik hijau yang tersebar menunjukkan adanya outlier, menyoroti kemampuan model untuk membedakan jenis transaksi dengan presisi.
Tim Stripe sedang mendorong inovasi yang tepat dalam pembayaran!
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Revolusi Pembayaran Berbasis Transformer Stripe
Dengan melatih pada puluhan miliar transaksi, model yang diawasi sendiri ini menangkap pola halus di seluruh penerbit kartu, bank, dan lainnya, menciptakan embedding yang kuat.
Hasilnya?
Tingkat deteksi 97% untuk serangan uji kartu yang canggih ( meningkat dari 59% ) dan perbaikan prediksi sengketa serta optimisasi otorisasi.
Wawasan Visual: Proyeksi t-SNE menampilkan terobosan ini. Titik oranye [legit transactions] mendominasi sisi kanan, sementara kluster biru-hijau [uncertain/card-testing] terpusat di kiri.
Titik hijau yang tersebar menunjukkan adanya outlier, menyoroti kemampuan model untuk membedakan jenis transaksi dengan presisi.
Tim Stripe sedang mendorong inovasi yang tepat dalam pembayaran!