在巴西，電商已成為民眾日常生活的一部分，成為人們最喜愛的購物方式之一。 BigDataCorp 的最新研究數據顯示，自 2014 年以來，專注於線上購物的網站數量增加了 45% 以上，頁面總數達到 2,000 萬個。此外，巴西電子商務協會 (ABComm) 的一項調查顯示，光是今年第一季度，該領域的總銷售額就超過了 4,400 萬巴西雷亞爾。
然而，與任何成功的行業一樣，謹慎行事至關重要。犯罪者正利用這種流行趨勢，試圖欺騙企業和消費者，輕鬆牟取暴利。 Juniper Research 的數據顯示，到 2027 年，全球線上支付詐欺造成的損失可能達到 3,430 億美元。 ClearSale 的一項研究發現，在巴西，去年詐騙未遂案的金額高達 35 億巴西雷亞爾。
雖然消費者也會受到詐欺的侵害，但通常情況下，零售商才是受害者，因為在大多數情況下，他們不僅損失了產品，還必須向在其平台上受騙的客戶提供返現。因此，為了提供參考，以下列出了四種最常見的電商詐騙以及企業可以如何防範。
自我欺騙
在此類騙局中，犯罪分子通常會透過電商平台正常購物。然而，商品到貨後，犯罪分子卻投訴商品未送達。因此，即使商品已到賬，犯罪者也會收到零售商的退款，導致網店遭受雙重損失。
身分盜竊
詐騙者利用竊取的信用卡號和公積金（CPF）等信息，在網上商店進行大量購物，通常超出受害者的銀行限額。一旦騙局被發現，問題就落在了零售商身上，零售商不僅要損失商品，還要賠償資訊被盜用的消費者。
攔截打擊
犯罪者也會使用偷來的卡片在網路上購物並記錄受害者的地址。然而，訂單完成後，攻擊者會聯繫線上平台，聲稱“地址錯誤”，要求將商品配送到其他地點。
卡片測試
犯罪者會利用被盜卡進行小額消費，以測試電商反詐欺系統是否能偵測到他們。如果沒有被偵測到，他們就會繼續進行大額消費，最終給受害者留下財務漏洞。
為了防止此類詐騙，一項已被證明非常有效的技術是人工智慧。註冊詐欺調查員協會 (ACFE) 的數據顯示，全球 18% 的詐欺專業人士已在工作中使用人工智慧和機器學習。此外，英偉達的一項研究表明，78% 的金融業專業人士也已使用人工智慧來應對與詐欺相關的挑戰。
這是因為，透過結合人工智慧和數據分析，可以識別出更容易發生詐欺行為的個人，因為該技術會全面分析該人的所有虛擬蹤跡，包括他們的線上行為。這使我們能夠真正了解他們在虛擬環境中的意圖和行為。
此外，借助機器學習，電商平台的系統能夠辨識最常見的詐騙模式。由於詐騙者的知識水平越來越高，手段也越來越有創意，傳統手段難以招架，因此只有機器學習解決方案才能檢測到這些細節，從而自動區分合法交易和欺詐交易。
