自由信號與交易評分

1）為什麼得分以及它如何影響貨幣化

• ↑ Approval Rate不增加充電器，
• ↓ SCA/挑戰賽和劄幌的成本，
• 通過可持續的COF/MIT支付↑ LTV，
• 提供商/銀行的PSD2-TRA（交易風險分析）。

2）信號圖（收集的內容）

2.1設備識別/會議

設備指紋（canvas/webgl/audio, user-agent,字體,timezone,語言）。
Cookie/LocalStorage/SDK-ID,可持續標識符（隱私安全）。
仿真器/rut/越獄，代理/VPN/datacenter-IP，TOR。

2.2地理和網絡

IP地理vs BIN國家vs計費國家，網絡延遲/RTT，ASN/提供商。
IP/地理交換頻率，已知的「有毒」子網的「跳躍」時間區。

2.3支付屬性

BIN：計劃，國家，銀行，借記/貸款/預付款，商業/個人。
MCC 7995，金額/貨幣，代幣/卡/設備/帳戶嘗試的頻率。
3 DS歷史（frictionless/challenge），AVS/CVV正常化，network tokens（VTS/MDES/NSPK）。

2.4行為與生物行為

輸入速度/節奏，共計，字段順序，CVV/索引錯誤。
「機器人」模式（無頭，自動點擊），異常循環。

2.5帳戶和鏈接圖

KYC通過的帳戶年齡，與設備/付款的捆綁。
圖：帳戶之間的共享設備/IP/卡,多站點群集。
存款/提款歷史記錄，遊戲行為，退款/付款。

2.6外部來源

IP/設備/BIN黑名單，反欺詐服務的行為信號，風險區域/時間窗口。

3） Fichestor和數據質量

Feature Store： Fitch的統一定義、轉換、TTL/時間窗口 （1h/24h/7d/30d）。
在線/離線平價：在realtime和培訓中實現相同的轉變。

數據控制： schema validation, 「not null」,範圍,反下載（泄漏）.

標簽：標記chargeback, confirmed fraud, friendly fraud, legit with date；應用「延遲真相」（標簽延遲）。

4）得分方法

4.1規則（策略引擎）

快速和可解釋：geo mismatch+velocity → 3 DS。
缺點：僵硬，很多假陽性。

4.2個ML型號

GBDT（XGBoost/LightGBM/CatBoost）是表相的標準。強解釋性（SHAP）。
圖形模型（GraphSAGE/GAT）-用於設備/IP/映射鏈接。
神經網絡（TabNet/MLP）-當存在許多非線性/相互作用時。
合奏：GBDT+圖形栓塞（node2vec）+規則。

4.3反常主義

分離森林/LOF/AE，用於新市場/疲軟的歷史；用作信號而不是最終判決。

5）閾值戰略和SCA/3DS

• 'score ≤ T1' → approve（在eEA：PSP/銀行的 TRA-exempt中，如果有）
• 'T1
• 'score> T2' → decline/請求替代品 （A2A/錢包）

校準：根據CBR%和AR%目標顯示T1/T2,同時考慮到挑戰成本和chargeback風險。在PSD2區域中，在合作夥伴處使用TRA，其中提供商的frode rait<發行商閾值。

6）在線決策架構

1.預告步驟：收集device/geo/velocity → ≤ 50-150毫秒得分。
2.解決方案：approve/3ds/decline/替代路由（PSP-B，另一種方法）。
3.3 DS集成：如果軟鎖線→與SCA重播,而無需重新輸入卡。
4.邏輯：我們保留「得分」，頂級魔術師（SHAP top-k），接受的動作和授權結果。
5.背面循環：charjbacks/disputs →標簽到fichestor。

7）特定fichi（cheat-sheet）

• 嘗試使用device/IP/token/account/email 唯一卡/BIN/每臺設備的故障百分比 '05/ 14/54/51/91/96'

Geo/Net:

IP_country ≠ BIN_country;distance(user_profile_geo, IP_geo)

ASN類別（暴民/居民/數據中心）,代理/副中心

Behavioral:

time_to_fill_form, focus switches, paste_rate, typo_rate

「夜間窗口」通過帳戶的本地時間

Payments:

新的帳戶BIN/銀行，預付款/預付款，首次COF交易

3DS_method_done，過去的挑戰突出，AVS/CVV正常化

Graph:

degree（設備）,triangles,通用IP與charjback群集embedding_score（接近親密群集）

8）偏見的可解釋性和控制

用於T1/T2邊界解決方案的SHAP/feature importance。
ML之上的「安全網」規則：例如，「CVV=N」 ⇒挑戰賽/決勝局，無論得分低。
公平政策：不使用禁止的屬性；對間接歧視的審計。

9）實驗和校準

A/B測試：基線規則vs ML；ML-on vs ML-off;不同T1/T2。
度量標準：AR、CBR%、3 DS rate、Challenge success%、Cost/approved。
Profit weighted ROC：優化不是真空AUC，而是經濟學（loss matrix：FP=損失周轉，FN=chargeback-loss+fees）。

10）監控和漂移

關鍵信息的數據漂移（PSI/KL）；目標漂移（charjbacks）。
Alerts：在BIN集群/國家中增長'score> T2'；3 DS之後的「05」激增。
定期重新學習（每周/每月），安全執行（陰影→金絲雀→完整）。
校準控制（Brier得分，可信度曲線）。

11）與路由和PSP的關系

評分會影響智能巡回賽：對於邊緣選手，以BIN/發行人的最佳 AR發送到PSP。
當ACS/發射器降解（「91/96」激增）時，暫時升高T1（從低風險中升高frictionless）或重定向到PSP-B。

12）流程和「政府」

模型卡：所有者，版本，發布日期，目標KPI，風險。
變更控制：用於新規則/閾值的RFC，記錄結果A/B。
PSD2的TRA基座包：方法論描述，模型度量，過程頻率。

13）反模式

將離線和在線幻燈片混合在一起，而不控制延誤→泄漏/虛假勝利。
在高峰時段做「全面決定」-殺死AR和LTV。
僅依賴規則或僅依賴ML。
忽略SCA軟信號,必要時不啟動3 DS。
在沒有掩碼的情況下編寫PAN/PII-PCI/GDPR違規。

14）實施支票

• Fichestor具有在線/離線平價和電路驗證。
• 正常化AVS/CVV/3DS，BIN服務，設備指紋打印。
• GBDT+規則安全網+（可選）圖形嵌入。
• AR/CBR/Cost下T1/T2閾值校準；SCA/TRA政策。
• 在線計分服務≤150 ms, SLA/Alerta.
• A/B基礎架構和經濟指標（profit weighted）。
• 漂移監控，定期重新培訓，發布日誌。
• PCI/GDPR策略：PAN安全,PII最小化,可解釋的解決方案邏輯。

15）摘要

iGaming中的強反氟化物是以下組合的組合：豐富的信號（設備/geo/BIN/行為/圖形），穩定的fichestor，ML+規則合奏，SCA/TRA下的清晰閾值策略以及操作學科（A/B，漂移，explainability）。所以你會扣留轉換，減少錢包並使收入可預測。