欺诈风险并不在零售重大日期之后结束，例如父亲节或黑色星期五——这些时期是网络攻击和数字诈骗的多发期。 相反，随着这些商业事件的发生，随后的几个月内欺诈活动呈现出上升的趋势。 根据Nethone2025年的数字欺诈检测解决方案显示，1月和2月可疑的欺诈尝试仍然超过4亿，表明欺诈者仍然针对用户，即使退货、退款和投诉的数量达到高峰——这使得检测变得更加具有挑战性。
从四月到七月，欺诈尝试超过了五亿次，表明风险不再仅仅与传统购物季节相关，而是与促销周期中的机会主义攻击有关。 这些“隐形峰值”对零售业构成挑战，因为它们揭示反欺诈平台和系统需要在事件发生后以及全年持续以同样的强度运作。
此外，随着全球性活动如8.8、9.9、10.10、Prime Day及其他国际闪购促销的日益普及，巴西电商的日历变得越来越碎片化和分散，形成了多个销售高峰，吸引了更多的攻击。
最常见的犯罪包括：信用卡欺诈退单，使用被盗的信用卡数据进行线上购物；创建虚假账户以不正当利用优惠券和促销活动；以及社会工程学诈骗，犯罪分子冒充企业代表以窃取敏感数据甚至金钱。 使用机器人也在上升，进行自动化攻击登录、注册和支付流程。 在人工智能工具和被盗数据的支持下，这些方法变得越来越复杂，进一步增加了识别犯罪分子的难度，尤其是在高运营需求时期。
“欺诈者会适应并制定自己的日历，在每一次高流量的机会中加强他们的行动，无论是全球还是本地。这表明企业需要采取持续的预防策略，与每一次营销和销售的举措相结合——而不仅仅是在黑色星期五或圣诞节等传统节日加强防御，”Nethone销售主管兼反欺诈专家Thiago Bertacchini解释道。
为降低风险，企业应结合先进的反欺诈技术与结构完善的内部政策。 机器学习和行为分析解决方案能够实时识别可疑模式，减少误报并阻止尝试。 加强身份验证流程，审查支付流程，并在高价值交易或新创建账户中实施额外的验证措施是至关重要的。 此外，持续的团队培训和定期更新的安全协议确保更强的抗攻击能力。 另一项重要措施是与客户进行清晰的沟通，关于良好的做法——如避免共享敏感信息和验证联系人的合法性——以补充公司的预防措施。
在这种情况下，提供无需人工审核、通过分析每笔交易中用户和设备信号的准确人工智能模型的解决方案变得不可或缺。 技术应根据每个操作的具体情况进行调整，利用带标签的历史数据和持续的反馈进行训练，以防止全年和每个销售高峰期的损失。
