Conheça o robô da Legiti que atualiza nossos modelos até 4 vezes por mês

Uma pesquisa da empresa de inteligência Neotrust mostra que em 2021, 15,4 milhões de novos clientes compraram online no Brasil. Cada vez mais pessoas buscam o comodismo e a velocidade de realizar compras no mundo digital.

A expansão do comércio eletrônico é boa tanto para lojistas, que observam maior faturamento, quanto para os consumidores, que têm em mãos um leque maior de opções para realizar compras em casa. Contudo, o avanço também atrai a atenção dos golpistas.

De acordo com o relatório “O Real Custo das Fraudes”, da LexisNexis Risk Solutions, houve um aumento de 140% no número de ataques e 34% no custo das fraudes na América Latina ao longo de 2021.

Com cada vez mais gente entrando para o mundo online, os fraudadores se aproveitam de algumas brechas para colocar em prática algo que é a marca registrada deles: a criatividade.

Confiar em uma plataforma de combate à fraude que não olha diretamente para as necessidades próprias de cada negócio, fará com que você não esteja totalmente protegido. Aqui na Legiti, aproveitamos os dados históricos de cada cliente para criar um modelo específico para cada um de nossos clientes.

Mas é necessário que esses modelos estejam sempre atualizados, de modo a evitar que novos padrões de fraude comprometam nossos clientes, portanto atualizamos nossos modelos preditivos até quatro vezes por mês em busca de melhoria contínua. 

Quem faz isso é o Optimus, nosso robô, focado 100% na constante melhoria de resultados para nossos parceiros.  

Conhecendo o Optimus

Os novos clientes que chegam na Legiti nos enviam dados de transações passadas para começarmos a criar um modelo personalizado. Para essa etapa inicial, nós temos um app que chamamos de Raio-X, que testa a integridade e consistência dos dados. A ideia aqui é apenas validar essas informações, como, por exemplo, se um CPF tem formato de CPF (XXX.XXX.XXX-YY).

Assim temos certeza que não estamos treinando o modelo com dados incorretos. Após essa análise inicial, os dados coletados via API são utilizados para a criação das features – que podem ser de cadastros, de velocidade, transacionais, entre outras.

Feature é uma característica que descreve um objeto. Qualquer atributo de um objeto pode ser tratado como feature, seja um número, um texto, uma data, um booleano etc. No nosso caso, são variáveis que servem para treinar o modelo a aprender padrões de fraude – que podem ser formadas através de dados transacionais, históricos, de comportamento, e as múltiplas combinações desses.

Essas features geradas a partir do cruzamento de dados são utilizadas por técnicas algorítmicas (que chamamos de modelos) para gerar predições. É aqui que entra a estrela do nosso show: o Optimus.

É o Optimus que tenta encontrar a melhor combinação possível de features dentre essas que foram calculadas para seleção do melhor modelo disponível. Mas esse trabalho é muito mais complexo do que se possa imaginar.

Imagine que você está vendo um filme em uma TV comum, ou seja, em duas dimensões. Na sequência, você assiste ao mesmo filme em 3D, o que permite ver mais detalhes e compreender a profundidade das coisas. Mas você já imaginou como seria assistir isso em 4 dimensões? E em 5? Pois bem, é difícil conseguir imaginar algo além das 3 dimensões que visualizamos, certo? Mas o Optimus vai bem além disso e, ao analisar parâmetros e combinar features, é capaz de testar em 4.000 dimensões combinadas.  

Nosso robô treina X modelos diferentes, com N parâmetros e Y combinações de features ao mesmo tempo. Os resultados obtidos a partir disso são os modelos, que competem entre si para verificar quem tem a melhor taxa de aprovação e menor taxa de chargeback. O modelo vencedor é escolhido e disponibilizado em produção aos nossos clientes. Dessa forma, garantimos que temos as melhores possíveis combinações de features e parâmetros fazendo predição para nossos clientes.

Tudo isso é feito para a criação do primeiro modelo dos nossos clientes. Mas o trabalho do Optimus não para por aí.

Treinando novos modelos

Conforme nossos clientes seguem nos enviando dados, continuamos utilizando o Optimus para otimizar nossos modelos. São, em média, 4 atualizações mensais nas quais nosso robô analisa novas combinações de features e realiza testes em busca de melhorias em relação ao modelo anterior.

Para tal, pegamos uma janela de dados que mostra um recorte das últimas transações de nossos clientes em um determinado período de tempo. Assim, o Optimus novamente irá realizar todo o processo combinatório e experimental para, na sequência, fazer modelos competirem entre si.

Na imagem acima você vê o resultado de um desses treinamentos. Na esquerda temos os modelos derrotados, em vermelho. O que está do lado esquerdo obteve uma taxa de aprovação de 95%, a mesma do lado direito. Contudo, a taxa de chargeback do modelo que está em verde ficou na casa de 0,15%, enquanto o modelo em vermelho apresentou 0,16%. Essa pequena variação já garante que temos um modelo melhor do que o anterior.

Além disso, como já falado, o Optimus também avalia quais as melhores features para cada negócio e dá um peso relativo para cada uma delas. Na imagem abaixo você consegue observar um pouco dessas mudanças.

Na linha 50, a feature destacada em vermelho foi retirada do modelo, pois os testes mostraram que ela não tinha tanta relevância para o negócio. O significado dessa variável é observar uma quantidade máxima de consoantes em sequência em um email. Para alguns negócios isso faz sentido, já que pode significar um e-mail falso. Já para outros, pode apenas ser um e-mail abreviado, como por exemplo, engfhm@gmail.com.

Ainda na imagem acima, do lado direito, na linha 35, temos o exemplo de uma feature de velocidade. A variável “card_hash_authorized_orders_devices_d90″ observa quantas vezes aquele número de cartão hasheado (ou seja, conseguimos observar apenas os primeiros e últimos dígitos) foi autorizado em compras em mais de um device nos últimos 90 dias. Isso significa que se um cartão está em mais de um celular nos últimos 90 dias, a transação fica suspeita.

Obviamente que não são esses fatores isolados que indicam se uma transação é ou não fraudulenta, já que um filho poderia, por exemplo, utilizar o cartão de crédito do pai para realizar uma compra. É por isso que nosso modelo analisa uma série de variáveis combinadas durante a transação para identificar um possível comportamento fraudulento.

A vantagem em contar com o Optimus é conseguirmos construir modelos preditivos bastante específicos e que atendam as necessidades de cada negócio, independentemente do segmento de atuação.

Muitas vezes, antifraudes que não possuem a tecnologia necessária para esse tipo de atuação ficam presos somente à identificação de fraudes comumente conhecidas. Já na Legiti, somos adaptáveis e formamos uma parceria estratégica que atua individualmente junto a cada um de nossos parceiros.