Aperçu
Une fintech en forte croissance traitant plus de 2 millions de transactions par jour avait besoin d'un moyen plus intelligent de detecter et de prevenir les activites frauduleuses sans augmenter les faux positifs qui frustraient les clients legitimes.
Le défi
Le systeme de fraude existant base sur des regles signalait trop de transactions legitimes, provoquant la perte de clients et une surcharge operationnelle. Les files d'attente de revision manuelle augmentaient plus vite que l'equipe ne pouvait les gerer, et de nouveaux schemas de fraude passaient a travers les regles statiques.
La solution
DHD Tech a integre une equipe de deux ingenieurs ML et un ingenieur de donnees qui ont concu et deploye un pipeline de detection de fraude en temps reel. En utilisant des modeles gradient-boosted et la detection d'anomalies basee sur les graphes, le systeme apprend en continu a partir de nouveaux schemas de transactions. La solution a ete integree a l'architecture de microservices existante du client et deployee sur AWS avec une latence d'inference inferieure a 100ms.
Technologies que nous utilisons
Résultats
"L'equipe de DHD Tech n'a pas seulement construit un modele -- elle a transforme notre facon de penser la prevention de la fraude. Le systeme est rentabilise chaque mois."
— ,