[好文分享] Stripe 從建立 Stripe Radar 獲得的機器學習產品開發經驗分享

想知道機器學習真實產品是如何建立的嗎？本篇由 Stripe 的詐欺防治小組工程師揭露 Stripe 如何開發出必防治詐欺 AI 解決方案 Radar。它評估潛在交易的 1,000 多個特徵，以確定其欺詐的可能性，允許良好的交易通過，並阻止有風險的交易或將其轉移到額外的安全檢查。它在不到 100 毫秒的時間內準確地做出了這個決定。在 Stripe 上進行的數十億筆合法支付中，Radar 僅錯誤地阻止了 0.1%。

原文網址

文章鏈結：How we built it: Stripe Radar

筆記

識別詐騙交易對系統來說並不容易，Stripe 依靠其最大優勢的網路廣度，不斷改進其機器學習 (ML) 架構，同時增強了與使用者溝通詐欺決策背後原因的方式。對其使用 Stripe 的商家來說，擋錯交易引起商家的客戶不便也有傷其客戶對商家的滿意度。所以系統不只要能擋掉詐騙交易，也要不擋錯交易。在這篇文章中，Stripe 分享 Radar 如此強大的原因，並帶您了解其在建立 Radar 的近七年時間裡做了哪些關鍵決策以及學到的經驗教訓。

以下列出重點 :

第 1 個教訓：不要對您的 ML 架構過於滿意

第 2 個教訓：永遠不要停止尋找新的 ML 特徵

第 3 個教訓：解釋與檢測同樣重要

總結 :

不斷發展的策略，持續的關注

Radar 演變成與剛開始時非常不同的產品。 Stripe 徹底修改期開始時使用的模型、使用 Stripe 網路交易資料的方式以及與使用者互動的方式。同一時期，詐欺模式也發生了很大變化，從主要的盜竊信用卡詐欺發展到現在越來越多的傳統卡片詐欺混合高速卡測試攻擊。

但在最重要的方面，Radar 團隊的目標一直是一致的。他們仍在努力創造一個讓企業和客戶可以放心進行交易的環境，仍然專注於優化，希望客戶甚至不會注意到在短暫時刻：結帳的最後一步，這瞬間必須在交易確認前所有的欺詐檢測。