WePayConnectClear作为支付平台，WePay在日常安全问题的战场上开展业务。
WePay 成立于 2009 年，为在线市场、众筹平台和小型企业提供两种主要产品：
1）白标支付处理平台Clear
2）商户账户平台Connect
我们最近采访了 WePay 风险副总裁 John Canfield，聊了聊他如何打击欺诈。事实证明，该公司正在采取一些非常有创意的措施来赢得与欺诈者的斗争，包括使用机器学习。
JohnCanfieldWePaySmFinovate：WePay 的支付 API 是为在线市场、电子商务网站和众筹平台构建的。这些类型的公司从 WePay 支付 API 中获益最多的三种方式是什么？
坎菲尔德：随着越来越多的参与者促进买家和卖家之间的交易，我们都见证了“平台”商务的巨大增长。这是一个令人兴奋的趋势，这就是为什么像 Uber、Etsy 和 Airbnb 这样的公司几乎每天都登上头条新闻。报道中很少提到的是，鉴于无数的运营、监管和风险防范要求，平台支付有多么复杂。
WePay 专注于帮助平台处理支付业务。该公司提供平台所需的灵活性和用户体验控制的支付服务。它还提供监管和欺诈风险保护。值得注意的是，与平台内部构建支付和相关风险相比，WePay 可以帮助客户以更快的速度和更低的成本（前期和持续）将配置的支付解决方案推向市场。
Finovate：一般开发人员需要多长时间才能集成 WePay 的 API？
Canfield： WePay 的支付 API 可以在几天内完成集成。也就是说，我们提供的最大价值来自于更深入集成、配置更完善的支付和支付风险体验，其中包括广泛使用 WePay 的风险 API。
平台之所以选择这种方式，是因为整合我们的风险 API 使他们能够无缝地将数据输入 WePay 的风险工具中，最终为其平台上的客户提供更好、更个性化的风险体验。这些强大的解决方案是从解决方案工程到规划、实施到持续支持的密切合作的结果，可能需要几个月才能完全部署。
Finovate：WePay 如何使用机器学习来打击欺诈？
坎菲尔德：打击欺诈需要广泛的风险管理，而风险管理的基石是利用数据来指 约旦电邮清单 导控制和决策。因此，正如您所期望的那样，我们会以多种方式查看大量数据。
机器学习帮助我们利用更多数据来更快地学习和适应。我们将大量数据输入机器学习，包括来自社交网络等非传统来源的数据以及传递到我们自己的风险 API 的客户数据，以确保我们不断变得更加智能。我们还构建了我们的系统，以便我们可以立即部署新的学习。
有关我们如何使用机器学习的更多详细信息，我建议大家参阅我们最近关于该主题的博客文章： http: //blog.wepay.com/how-were-using-machine-learning-to-fight-shell-selling/
Finovate：WePay 还使用哪些技术来打击欺诈？
坎菲尔德：我们认为打击欺诈的关键不是做好一件事，而是做好很多事情。除了使用大量数据之外，正如我之前提到的，我们还应用了许多流程来指导我们如何评估风险，以及何时与进行风险分析和调查的人员一起补充技术和系统。我们还使用工具来帮助我们的人员进行风险评估工作。
这种人性化很重要，因为训练有素、思维正确的人有时能比机器更早发现新模式、新行为和异常。这也很重要，因为归根结底，我们是一家为人们服务的企业，有时我们需要直接与他们合作处理风险问题——这不是规则或机器可以做的事情，至少目前还不是。