關於 DataVisor
About
DataVisor 是什麼
DataVisor 是一套反詐騙軟體，對象是銀行、支付處理商與大型數位企業。核心是非監督式機器學習：模型在帳戶與交易之間找出異常的行為叢集，不必等有人先標記過去發生過的詐騙。新的詐騙集團因此會在第一批確認案件出現前就浮上來。
公司 2013 年在加州山景城成立，十多年來只做金融犯罪這條線。你買到的其實是一層決策能力。自家系統的訊號與平台上的跨機構資料一起進模型，100 毫秒內算完，回傳阻擋、放行，或交給分析師處理的警示。
有兩個限制要先看清楚。價格不公開，採購會變成一場由業務團隊帶的導入專案，時間是幾週而不是幾小時。防制洗錢的部分則預設你已經有一組帶規則與佇列的詐騙團隊要搬過來。單一開發者沒法註冊完就當天下午開始評分。
開始使用
- 預約 Demo，先把場景講清楚。團隊會確認要涵蓋哪些流程：開戶、信用卡、ACH 與跨行匯款，或帳號盜用。
- 接上資料。交易、裝置與帳戶事件透過 API 與 SDK 送進來，或從既有資料流直接轉送。
- 組策略。分析師在平台上把模型分數、規則、名單與門檻拼成決策流程，每次改動都有測試環境。
- 先平行跑。多數團隊會用影子模式對真實流量評分幾週，把警示與現行系統比一輪再切換。
- 上線並調校。決策接進結帳或開戶流程後，調校代理與對話式助理 Vera 會協助調整門檻、整理案件。
產品資訊
快速了解 DataVisor 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 銀行的詐騙與風險團隊：一層決策就涵蓋信用卡、支票、匯款與開戶，不必同時養四套規則引擎。要準備搬遷工程，現有規則得重寫並重新驗證。
- 支付處理商與金融科技公司：平台在高查詢量下仍能把評分壓在 100 毫秒內，這在慢一步就等於掉單的結帳流程很有感。初期資料串接需要撥出工程時間。
- 防制洗錢與法遵分析師：警示送來時已附上關聯帳戶與網路脈絡，可疑叢集可以整組看，不用一筆一筆翻。
任務
- 抓還沒有人標記過的詐騙手法：非監督式模型依共同行為把帳戶分群，合成身分與人頭網絡通常最早在這裡露臉。
- 縮短人工審件佇列：分數與自動化處理掉明確案件，分析師只看真正需要判斷的。
- 調查彼此關聯的帳戶：實體關聯分析把裝置、電話與支付工具畫在同一張圖上。
- 產出防制洗錢警示與申報：案件註記、證據與申報代理都留在當初做決策的那套系統裡。
情境
- 開通新的支付管道：流量進來前就得有防線，純規則的做法要累積好幾個月的損失資料才調得準。
- 湧入量大到人工看不完的註冊潮：季節活動與 App 上線會把申請量推到團隊讀不完，分流只能自動化。
- 汰換老舊規則堆疊：把三家供應商併成一層決策的團隊，會用平行跑的結果證明偵測力沒有退步。
主要功能
非監督式機器學習偵測
引擎依共同行為把帳戶與事件分群，再把看起來不像任何已知模式的叢集挑出來。起步不需要標記過的歷史資料，這就是第一週抓到集團、與等到拒付上門才發現的差別。既有的監督式模型與規則仍並行運作，負責你已經很熟的那些樣態。
實體關聯分析
關聯分析把帳戶、裝置、電話號碼、地址與支付工具串成關係圖，分析師看到的是整個網絡，不是眼前那一個帳戶。單看無害的屬性，放進脈絡就成了證據。原本一整排警示，靠它收斂成幾件調查。
即時決策與自動化
評分在 100 毫秒內完成，官方公布的產線量級是每秒 15,000 次以上查詢。決策可以阻擋、放行、要求加強驗證，或轉人工複核，流程用視覺化方式組出來。自動化把明顯案件從佇列拿走，這一點直接影響風險團隊的人力估算。
策略與調查用的 AI 代理
DataVisor 內建多個代理，分別負責起草策略、調整門檻、調查警示與彙整報告。對話式代理 Vera 接受自然語言指令，例如「列出跟這台裝置有關的帳戶」，直接回傳查詢結果。請把代理當成資深分析師的加速器，邊緣案例仍要靠人判斷。
Vera Code 與開發工具
Vera Code 是開發套件，讓你不必從平台預設畫面開始，就能組出詐騙與防制洗錢流程。團隊用 API 把評分嵌進自家服務、接上自有的資料來源，幾天內就能跑出一條可用的流程。當風險模型必須跟著產品團隊的發版節奏走時，這一點很關鍵。
調查、案件管理與申報
警示進到案件工作區時，關聯實體、分數背後的訊號與決策歷程都已經附上。分析師加註、往上呈報或用理由結案，申報代理再把主管機關與內稽要的東西整理出來。證據跟決策放在一起，省掉最耗時的重建功夫。
優缺點
優點
- 非監督式偵測不必等標記案件就能找到集團，正好補上規則引擎的缺口。
- 關聯分析把相連帳戶放在同一畫面，一件調查就能取代過去好幾則警示。
- 高查詢量下仍維持 100 毫秒內評分，結帳與開戶不會被拖慢。
- AI 代理與 Vera 分攤策略調校與警示分流的手工作業。
- API 與 Vera Code 讓工程團隊把評分嵌進自家服務，而不是再外掛一套工具。
缺點
- 價格不公開。沒有業務對談與報價，很難判斷預算是否合得來。
- 導入是專案，不是註冊。資料串接與規則搬遷通常要幾週，且會佔用工程人力。
- 平台為大型詐騙作業設計。沒有分析師處理案件的小團隊，會為用不到的能力付費。
- 模型行為需要解釋。非監督式叢集丟出來的樣態，團隊仍得自行解讀，也要能對稽核說明。
常見問題
用來即時偵測並阻擋詐騙與金融犯罪，涵蓋開戶、帳號盜用、信用卡、支票、ACH 與跨行匯款，以及防制洗錢監控。銀行、支付處理商與大型數位企業把它放在交易流程與複核團隊之間，當成決策層。
相關內容
探索與 DataVisor 相關的工具、技能與文章。
DataVisor 替代方案
Odyssey 3
Odyssey · 其他Odyssey-3 是 Odyssey 的基礎世界模型，能即時模擬物理，把一段文字提示變成可互動的環境，並套用到機器人、汽車與遊戲上。
JarvisCore
Prescott Data · 程式設計 · 生產力 · 其他JarvisCore 是開源的 Python 執行環境，讓 AI 代理在網格上以對等節點運作、從共用帳本認領任務，並透過零信任代理服務存取外部系統。
Clef
Cloudflare · 商業 · 其他Clef 是 Cloudflare 推出、可在 Workers AI 上執行的開源決策模型。它針對設定好的題目回傳校準後的機率而非生成文字，讓代理程式快速分類、分流並採取行動。