Die digitale Zahlungslandschaft in Indien hat in den letzten zehn Jahren eine bemerkenswerte Entwicklung durchlaufen. Von alltäglichen Einkäufen bis hin zu bezahlten Rechnungen wurde der Prozess durch den Einsatz moderner Technologie drastisch vereinfacht. Im Zeitraum von 2013 bis 2024 wuchs das jährliche Transaktionsvolumen digitaler Zahlungen auf mehr als 18. 000 Crore – ein beeindruckender Zuwachs um das 80-fache. Trotz dieses Erfolgs ist jedoch auch die Dunkelziffer betrügerischer Aktivitäten dramatisch angestiegen. Betrug im digitalen Zahlungsverkehr verursacht alleine im letzten Jahr Verluste von rund 1. 457 Crore Rupien, wobei die Anzahl der Fälle von UPI-Betrug auf 13,4 Lakh anstieg. Diese Vorfälle sind keine Einzelfälle; sie passieren täglich, meist schnell, verborgen und ohne Vorwarnung. Angesichts dieser Herausforderungen reicht es für Unternehmen und Zahlungsdienstleister nicht mehr aus, nur nach einem Vorfall zu reagieren.
Stattdessen muss Betrug in Echtzeit erkannt und unterbunden werden, idealerweise noch bevor eine Transaktion abgeschlossen wird. Die Bekämpfung von Betrug erfordert eine mehrschichtige Herangehensweise. Ein entscheidender Faktor ist das Bewusstsein der Nutzer, damit diese potenzielle Betrugsversuche erkennen und vermeiden können. Ergänzend dazu ist die Verhinderung in Echtzeit essenziell, um betrügerische Vorgänge zu stoppen, während sie auftreten. Nachsorgemaßnahmen zur Meldung und Schadensbegrenzung sind zwar erforderlich, greifen jedoch häufig zu spät. Die wirksamste Strategie setzt daher auf präventive Lösungen während der Transaktion. Genau hier setzt das innovative System RiskShield von Cashfree Payments an. RiskShield ist ein Echtzeit-Überwachungssystem, das auf einer Kombination aus regelbasierten Methoden und maschinellem Lernen beruht, um aufkommende Risiken zu erkennen und zu verhindern.
Jeder einzelne digitale Zahlungsprozess wird durch RiskShield analysiert, wobei ein Risikowert berechnet wird. Anhand dieses Scores entscheidet das System, ob eine Transaktion zugelassen, blockiert oder zur weiteren Überprüfung an den Händler weitergeleitet wird. Der Fokus bei der Entwicklung lag auf einer hoch skalierbaren Lösung, die bis zu 12. 000 Transaktionsprüfungen pro Sekunde bewältigen kann. Die Fähigkeit, diese Überprüfungen in Echtzeit durchzuführen, sorgt für einen unmittelbaren Schutz vor Betrug. Darüber hinaus wurde die Plattform so gestaltet, dass sie flexibel und anpassbar ist. Das ermöglicht die Handhabung unterschiedlichster Betrugsszenarien und individuelle Konfigurationen für verschiedene Branchen und Geschäftsmodelle. Entscheidend für die Leistungsfähigkeit von RiskShield ist die eigens entwickelte Regel-Engine. Im Gegensatz zu handelsüblichen Engines erlaubt sie eine genaue Feinabstimmung an sich ständig verändernde Betrugsmuster.
Hierbei werden komplexe Analysen durchgeführt, bei denen verschiedene Indikatoren wie Geräteeigenschaften, Geolokationsdaten sowie weitere Metadaten in Kombination ausgewertet werden. Das System arbeitet dabei nicht isoliert. Begleitend zur Regel-Engine fungiert ein Machine-Learning-Modell, das Muster und Anomalien innerhalb der Transaktionsdaten erkennt. Dieses Modell analysiert Faktoren wie das Volumen an Transaktionen, Frequenz, Standorte sowie Nutzer- und Geräteinformationen. Durch die fortlaufende Selbstanpassung und Optimierung wird die Genauigkeit der Analyse stetig verbessert, zugleich aber auch die Anzahl falsch positiver Bewertungen verringert. RiskShield nutzt eine Vielzahl unterschiedlicher Signale für seine Entscheidungen. Dazu zählen unter anderem Datenbanken mit bekannten Betrügern, welche E-Mail-Adressen, Telefonnummern, IP-Adressen oder Zahlungsinstrumente umfassen.
Durch die Kombination mit individuellen Händlerlisten ist es möglich, noch spezifischere Überprüfungen zu erzielen. Ein weiteres wichtiges Element ist die Telefon- und E-Mail-Intelligenz. Hier wird erkannt, ob die verwendeten Kontaktdaten temporär sind oder bereits in Spam-Vorfällen genutzt wurden. Zudem werden Eigenschaften wie das Alter der Adresse oder deren Vertrauenswürdigkeit ausgewertet. Die Gerätesignaturen spielen ebenfalls eine zentrale Rolle im Betrugsschutz. Dabei werden nur notwendige Eigenschaften extrahiert, um die Privatsphäre der Nutzer zu wahren. Anhand derenerative Daten kann dann ein Hörgerät für mögliche betrügerische Aktivitäten erstellt werden. Über Geo-Lokalisierungs- und IP-Informationen wird darüber hinaus festgestellt, aus welchen Ländern, Städten oder Netzwerken eine Transaktion initiiert wird. Händler erhalten so die Möglichkeit, Transaktionen aus bestimmten Regionen oder von verdächtigen Proxy-Servern abzulehnen.
Ein besonders innovatives Werkzeug innerhalb von RiskShield ist die Anwendung von Graph-Datenbanken. Klassische relationale Datenbanken stoßen bei der Analyse komplexer Netzwerkbeziehungen oft an ihre Grenzen. Graph-Datenbanken hingegen können vielschichtige Verknüpfungen zwischen Benutzerkonten, Geräten, Zahlungsinstrumenten und Transaktionen effizient darstellen und auswerten. Dadurch lassen sich Muster erkennen, die auf koordinierte Betrugsversuche oder missbräuchliche Zusammenhänge hindeuten. Beispielsweise können Netzwerke von Betrügern entlarvt werden, die sich gegenseitig durch gemeinsame IP-Adressen, Geräte oder Nummern zuordnen lassen. Ebenso werden mögliche Fälle aufgedeckt, in denen Händler versuchen, Konkurrenten durch betrügerisches Verhalten zu schädigen. RiskShield schützt vor verschiedenen gängigen Betrugsarten.
Bei sogenannten UPI Collect Request Scams etwa versuchen Betrüger, Nutzer dazu zu bringen, einer Sammelanfrage zuzustimmen, indem sie eine angebliche Rückerstattung vorgaukeln. Trotz steigender Aufklärung fallen jedoch einige Opfer noch darauf herein und geben ihre PIN unbewusst preis. RiskShield erkennt hier beispielsweise ungewöhnliche Muster, wie eine ungewöhnlich hohe Anzahl von Sammelanfragen an diverse UPI-Konten von einem Gerät aus oder eine Häufung fehlgeschlagener Transaktionen in kurzer Zeit. Die Möglichkeit, temporäre Telefonnummern oder E-Mail-Adressen herauszufiltern, erhöht ebenfalls die Erkennungsqualität. Ein weiterer häufiger Betrugstyp ist der Chargeback-Betrug. Darunter versteht man Fälle, in denen Kunden bewusste Rückbuchungen veranlassen, obwohl sie Produkte oder Leistungen erhalten haben.
RiskShield wertet hier vergangene Transaktionsdaten, Nutzerverhalten und Beziehungen zu früheren Schadensfällen aus, hilft so, wiederholte Betrüger zu identifizieren und zu blockieren. Auch Missbrauch im Zusammenhang mit Promotionen und Rabattaktionen wird durch RiskShield bekämpft. Häufig werden Rabattangebote für Neukunden von Betrügern durch das Anlegen mehrerer Scheinprofile missbraucht. Die Geräteintelligenz trägt dazu bei, solche Anomalien aufzudecken, indem Nutzer-identische Geräte erkannt und entsprechende Transaktionen markiert werden. Zusammenfassend lässt sich sagen, dass das Ziel von Cashfree Payments darin besteht, den digitalen Zahlungsprozess nicht nur reibungslos, sondern auch sicher zu gestalten. RiskShield arbeitet unbemerkt im Hintergrund, um Betrug rechtzeitig zu erkennen und Vertrauen zwischen Händlern und Endkunden zu gewährleisten.
Dank der Flexibilität des Systems kann jede Unternehmung individuelle Einstellungen vornehmen, um den perfekten Kompromiss zwischen Sicherheit und Nutzererlebnis zu finden, selbst bei großen Transaktionsvolumen oder während verkaufsstarker Phasen. Mit einer Kombination aus vorausschauender Analyse, maschinellem Lernen und der intelligenten Verbindung verschiedener Datenquellen setzt RiskShield Maßstäbe in der Echtzeit-Betrugsprävention. Die Lösung bietet Unternehmen das beruhigende Gefühl, dass ihre Transaktionen geschützt und die Interessen ihrer Kunden gewahrt bleiben. So wird aus einer rein defensiven Maßnahme ein aktiver Schutzmechanismus, der ständig dazulernt und sich an neue Herausforderungen anpasst. Durch diese kontinuierliche Weiterentwicklung bleibt Cashfree Payments an der Spitze der Finanztechnologie und unterstützt Händler dabei, ihren Erfolg im digitalen Zeitalter nachhaltig zu sichern.
