사기 예방 방법

작동 방식

사기 방지 시스템(AFS)은 토큰에 전달된 사용자 지정 인게임 매개 변수를 통해 각 거래와 관련된 사용자 데이터를 집계할 수 있습니다. 등록 날짜, 마지막 암호 변경 날짜, 총 결제 금액 또는 게임 세션 시간과 같은 정보는 사기성 사용자와 합법적인 사용자를 최대한 정확하게 구분하는 데 사용됩니다. 사용자 기기 및 행동 패턴에 대한 데이터를 엑솔라에 더 많이 제공할수록 AFS는 필터를 보다 효과적으로 맞춤 설정하여 식별된 각 사용자 그룹 및 프로젝트 전반에서 사기 행위를 탐지할 수 있습니다.

사용자 지정 매개 변수를 추가하려면 계정 관리자에게 문의하거나 csm@xsolla.com으로 이메일을 보내주세요.

예시:

• 지불 거절 분쟁에서 등록 날짜, 총 플레이 시간, 게임 사용자 레벨을 사용하여 사용자의 일반적인 활동을 파악하고 잠재적 사기 행위를 탐지할 수 있습니다.
• 마지막 로그인 날짜와 암호 변경 날짜는 해킹된 계정을 탐지할 때 유용합니다.

권장 매개 변수

토큰의 custom_parameters 개체에 다음과 같은 추가 매개 변수를 전달하는 것이 좋습니다:

사용 사례

이 섹션에 설명된 예제는 AFS를 사용하여 사기 건수를 크게 줄인 성공적인 사례를 제시합니다.

2022년 5월 말에 새로운 게임이 출시되었습니다. 판매 시작 직후 AFS는 프로젝트에서 상당히 많은 수의 사기꾼을 발견했습니다. 출시 후 첫 달 말까지 프로젝트의 사기율은 4.5%에 달했습니다.

매달 사기율 역학:

사기율을 허용 가능한 0.1-0.3% 범위까지 줄이기 위해 이 프로젝트에 대한 엄격한 AFS를 적용합니다. 한달에 허용률이 96%에서 81.7%까지 어떤 날에는 70%까지 감소했습니다. 이 결과는 특히 결제 매개 변수와 행동 패턴이 사기범의 행동과 유사한 경우 더 많은 사용자가 추가 확인을 거치고 결제에 어려움을 겪었음을 나타냅니다.

매달 허용률 역학:

사기 방어책을 추가로 개선하기 위해 사용자에 대한 다음과 같은 인게임 매개 변수를 AFS에 전달하기로 동의했습니다:

• 총 플레이 시간(total_hours)
• 게임 사용자 레벨(user_level)
• 게임 사용자 캐릭터 수(total_characters)

제공된 데이터를 사용하여 아래 그래프에 제시된 바와 같이 7월 20일부터 7월 22일 사이에 새로운 매개 변수로 AFS 필터를 수정했습니다. 그 결과 일일 허용률이 약 71.4%에서 약 86%까지 15% 증가했습니다. 또한 사기 거래 건수는 4.5%에서 허용 가능한 수준인 약 0.14%까지 감소했으며, 이후 몇 달 동안 이 수준을 유지했습니다.

일별 허용율 역학: