反欺诈设置

运行机制

在令牌中传递的自定义游戏内参数使反欺诈系统(AFS)能够针对每笔交易汇总用户数据。它使用注册日期、最后密码修改日期、支付总额或游戏时长等信息尽可能准确地区分欺诈用户和合法用户。向艾克索拉提供的用户设备和行为模式数据越多，AFS就能越好地定制筛选条件来检测每个已识别用户组以及跨多个项目中的欺诈活动。

要添加自定义参数，请联系您的客户成功经理或发送邮件至csm@xsolla.com。

示例：

• 注册日期、游戏时长和游戏中的用户等级可用在拒付争议中确定用户的典型活动并检测潜在的欺诈行为。
• 最后登录日期和密码修改日期有助于检测被盗账户。

推荐参数

建议在令牌的custom_parameters对象中传递以下额外参数：

用例

本节描述了一个成功运用反欺诈系统(AFS)显著降低欺诈案例数量的案例。

某新游戏于2022年5月底上线。在销售开始后，AFS很快发现项目中存在大量欺诈行为：在上线后第一个月结束时，该项目的欺诈率达到了4.5%。

月度欺诈率变化：

为了将欺诈率降至0.1-0.3%的可接受范围内，我们对该项目实施了严格的AFS应用。结果显示，交易接受率在月度基础上从96%降至81.7%，某些天数甚至降至70%。这表明更多用户经过了额外检查，在支付时遇到了困难，特别是当他们的付款参数和行为模式与欺诈者行为相似时。

月度交易接受率变化：

为进一步改善欺诈防护，我们约定向AFS传递以下游戏内用户参数：

• 总游戏时长(total_hours)
• 游戏中的用户等级(user_level)
• 用户在游戏中的角色数量(total_characters)

使用提供的数据，我们在7月20日至22日期间修改了AFS筛选条件，添加了新参数，如下图所示。这使得每日接受率提升了15%，从约71.4%提升至约86%。此外，欺诈交易数量从4.5%降至可接受的约0.14%水平，并在随后数月保持在该水平。

每日接受率变化：