Et steg foran svindlerne

98 prosent av svindelforsøkene stoppet

Etter lanseringen i april 2024 reduserte Vipps svindel med over 65 prosent fram til juni. I de neste månedene stoppet modellen 98 prosent av svindelforsøkene, ifølge kundehistorien fra april 2025.

Utgangspunktet

Utgangspunktet var at Vipps taper mye penger på ulike typer av betalingssvindel. I tillegg er det viktig for Vipps å tilby en sikker løsning når de skal ekspandere til nye markeder. Svindelmetoder endres raskt, derfor er det ikke tilstrekkelig med en regelbasert modell. Modellen må lære og utvikle seg i takt med nye svindelmetoder.

Løsningen

Løsningen ble å bruke maskinlæring til å predikere om en betaling er et svindelforsøk, og å benytte modellene i sanntid for å kunne stoppe svindelforsøkene i tide. Data fra mange ulike kilder samles inn. Det benyttes en dataplattform for å prosessere data både i batch og i sanntid.

Maskinlæringsmodeller trenes og evalueres basert på tilgjengelige datasett. MLFlow brukes for å ha sporbarhet for alle modeller som er trent (hvilke datasett de er trent på), til versjonering, og til å velge den modellen som predikerer best. Modellene må kunne gjøre prediksjoner i sanntid og med store krav til oppetid og skalerbarhet. Modellene serveres i et Kubernetes-cluster med et tilgjengelig API som integreres i betalingsflyten.

Verdi for kunden

Den første maskinlæringsmodellen ble satt i produksjon i april 2024 og integrert med betalingsløsningen. I perioden april til juni 2024 ble i alt 4 modeller satt i produksjon. I løpet av denne perioden klarte man å redusere svindel med over 65 prosent. I løpet av de neste månedene klarte maskinlæringsmodellen, som Vipps kaller Olga, å stoppe 98 prosent av alle svindelforsøk.