旅游企业如何建造反欺诈的防火线？( 五 )_简单流畅的旅游用户体验背后需要强大的

3. 更有效的防欺诈措施：企业可以采用规则导向引擎，对订单进行自动筛选和分类。

商家必须对防欺诈系统中的规则进行明确的评判，与此同时结合监督式的机器学习或传统的机器学习方法（通过历史数据构建精确算法）。而无监督式学习方法可以让系统实时收集数据并进行动态学习。

机器学习的重要性在不断加强，但在其中融入现实因素也很重要。仅仅关注历史数据可能会让新出现的未知欺诈模式成为漏网之鱼。而无监督式机器学习算法能够在收集的新数据当中发掘新的模式和关联，将真实的旅游消费者与欺诈份子区分开来。

除了采用上述方法，酒店和航司还需要减少交易验证中的人工验证投入，提升审查过程的自动化水平。

4. 提升消费者的防欺诈意识：旅游企业应该加强旅客对积分变现价值的认知，鼓励旅客为各个账户设置不同密码（当一个账户遭受欺诈风险时至少不会影响到其它的账户），并进行定期更新。

5. 收集数据并制定措施：结合行业数据与企业独有的用户数据（比如针对用户行为的生物识别技术，记录了用户使用鼠标或手机按键滑屏等操作方式），能够提升防欺诈专家的实时识别技术。与此同时还需要有效检测交易中的异常因素，及时采取防欺诈措施。

旅游企业如何建造反欺诈的防火线？( 五 )