Radar 使用机器学习来检测和阻止任何业务类型中存在的欺诈风险，机器学习算法可以利用全球数百家公司的数据进行训练。它内置于 Stripe 中，无需额外设置即可开始使用。
传统的防御欺诈做法并不适合现代的互联网业务，并且有可能降低通过率，进而影响收入。Radar 可以帮助您更准确地区分欺诈者与客户，并对高风险付款采取动态的 3DS 验证措施。
利用我们的机器学习基础设施，我们可以每天对模型进行再训练——包括为您的公司定制的那些模型。Radar 的算法可快速适应不断变化的欺诈模式以及您独特的业务特征。
Stripe 为来自 195 个国家/地区的各种行业、各种规模的公司和业务模式处理付款事宜。即使某一个银行卡第一次用于您的公司，但它仍有 89% 的可能性在 Stripe 的网络中出现过。
通过从每年处理的全球数百万家公司的数十亿付款的学习累积，Radar 可以评估每笔付款的风险分值，并自动阻止许多高风险的付款。
Radar 通过来自 Stripe 网络的上千种信号对每笔付款进行扫描，帮助检测并防范欺诈（甚至在其触及您的业务之前）。
Radar 能够从财务堆栈的每一层提取数据，并整合来自结账流程的数据、丰富的支付数据以及来自卡组织和银行的信息数据，评估欺诈风险。
Stripe 与 Visa、Mastercard、American Express 和许多业内领先的银行都有合作关系，因此我们能够使用像如 TC40s、SAFE 报告以及早期争议通知等数据，帮助识别欺诈性收款，避免出现争议。
Radar 与 Stripe 的其余部分完全集成，因此我们的系统可以即刻使用丰富的支付信息（如客户信息、收货地址和账单地址以及其他属性），进而提高机器学习性能。
Stripe 的结账工具自动合并您网站和移动应用中的某些买家购买模式，帮助检测异常付款。Radar 使用这些信号可以映射出一个能够高度预测欺诈的全面客户路径。
Radar 专为面临不断变化的欺诈威胁的全球互联网企业量身打造。我们不断调整算法，测试最相关属性，并生成复合信号，帮助精确识别和阻止欺诈。
将多种信号组合到单个设备配置文件。
从多年的历史数据中找出反复出现的模式。
识别 IP 欺诈和使用代理的问题。
Radar 通过对多种信号进行组合来对每笔交易进行评估，以帮助确定付款是否具有欺诈性。
欺诈保护由 Stripe 网络内数十亿的数据点驱动。
豁免 标准定价 的账户