Stripe Radar: антифрод-нейросеть решает за 100 мс и ошибочно блокирует лишь 0,1% легитимных платежей

• How we built it: Stripe Radar — Stripe Engineering Blog (Ryan Drapeau), 2023-03-29
• A primer on machine learning for fraud detection (стоимость фрода >$20 млрд, precision/recall, +20% YoY, retrain +0,5 п.п./мес) — Stripe (официальный гайд)
• Stripe Radar — Payment and Credit Card Fraud Detection ($1,9 трлн/год, 197 стран, 92% карт знакомы сети, −32% фрода) — Stripe (страница продукта)

Контекст

Stripe — платёжная инфраструктура для миллионов компаний: по данным продуктовой страницы, сеть Stripe обрабатывает более $1,9 трлн платежей в год из 197 стран. Radar — её ML-система защиты от мошенничества, встроенная прямо в поток оплаты: она оценивает риск каждой транзакции до того, как та будет подтверждена, и не требует от мерчанта ни отдельной интеграции, ни собственной антифрод-команды.

Главное структурное преимущество Radar — сетевой эффект данных. Карточный фрод — это игра с неполной информацией: отдельный интернет-магазин видит только свои транзакции и почти ничего не знает о карте, которая появилась у него впервые. Сеть Stripe видит сотни миллиардов долларов платежей ежегодно, поэтому «незнакомая» карта чаще всего оказывается знакомой: в гайде Stripe по ML-антифроду приводилась оценка в 90% карт, встречавшихся сети ранее, а актуальная страница продукта называет 92%. Для модели это означает богатую историю сигналов там, где у одиночного мерчанта — холодный старт.

В марте 2023 года инженер команды Radar Райан Драпо опубликовал в инженерном блоге Stripe разбор «How we built it: Stripe Radar» — редкий по откровенности текст об эволюции боевой ML-системы на протяжении почти семи лет: от логистической регрессии до чистой глубокой нейросети, с конкретными цифрами по точности, латентности, стоимости ошибок и времени обучения. Этот пост — основной первоисточник кейса; мы дополняем его официальным гайдом Stripe по машинному обучению для антифрода и данными продуктовой страницы Radar.

Проблема

Мошеннической является примерно 1 из 1000 платёжных попыток. Кажется, что это мало, но экономика ошибок здесь асимметрична и болезненна в обе стороны. Пропущенный фрод оборачивается чарджбеком: мерчант теряет сумму транзакции, платит комиссию за возврат, а при росте доли споров получает повышенные сетевые сборы и операционные издержки; по оценке из гайда Stripe, мошенничество обходится бизнесу более чем в $20 млрд ежегодно.

Обратная ошибка — ложная блокировка честного покупателя — бьёт не по строке «потери от фрода», а по выручке и лояльности: в опросе, который цитирует Stripe, 33% потребителей заявили, что не вернутся за покупкой в магазин после ложного отклонения платежа. Антифрод-система, которая «на всякий случай» блокирует лишнее, незаметно душит продажи клиентов — поэтому precision (какая доля заблокированного действительно фрод) не менее важен, чем recall (какая доля фрода поймана).

Жёсткие ограничения добавляет сам контекст исполнения. Решение нужно принять в момент оплаты, внутри чекаута, за доли секунды — не добавляя трения покупателю. При этом противник адаптивен: паттерны фрода меняются постоянно, атакующие целенаправленно ищут слабости модели. Модель, которую переобучают раз в сутки ночным джобом, хронически отстаёт от атакующих на день — а в антифроде день может стоить дорого. Отсюда вторая, менее очевидная метрика качества системы: скорость итераций — как быстро команда может обучить, проверить и выкатить новую версию модели.

Решение

Radar оценивает более 1000 характеристик каждой транзакции — от страны карты и числа стран, где она использовалась за последние сутки, до IP-адреса и эмбеддингов мерчанта, — опираясь на сигналы всей сети Stripe. Архитектура эволюционировала ступенями, и каждая ступень была ответом на конкретное ограничение предыдущей.

Начинали с логистической регрессии — простой, быстрой и интерпретируемой. Затем перешли к деревьям решений и градиентному бустингу: XGBoost хорошо «запоминает» конкретные паттерны фрода. Следующим шагом стал ансамбль Wide & Deep — комбинация XGBoost (отвечает за запоминание, memorization) и глубокой нейросети (за обобщение, generalization). Эта гибридная архитектура работала в проде несколько лет, но у неё был потолок: XGBoost плохо масштабируется и плохо параллелится, что тормозило и обучение, и эксперименты.

С середины 2022 года Radar работает на чистой глубокой нейросети без XGBoost — с многоветочной структурой, вдохновлённой архитектурой ResNeXt из компьютерного зрения. Честная деталь из поста: «в лоб» выбросить XGBoost было нельзя — это стоило бы 1,5% полноты обнаружения фрода (recall). Команда компенсировала просадку масштабированием: эксперимент с 10-кратным увеличением объёма обучающих транзакций дал значимый прирост качества, и на момент публикации команда готовила 100-кратную версию. Дополнительные направления — transfer learning, эмбеддинги и multi-task learning.

Главный операционный выигрыш новой архитектуры — скорость итераций: время обучения модели сократилось более чем на 85%, до менее чем двух часов. Вместо ночного джоба команда может переобучать и выкатывать модель несколько раз в день, реагируя на новые паттерны атак в тот же день. По данным гайда Stripe, даже простое регулярное переобучение на свежих данных прибавляет до полупроцентного пункта recall в месяц — на дистанции это один из самых дешёвых источников качества.

Отдельный трек — интерпретируемость. Глубокие нейросети — «чёрные ящики» в большей степени, чем деревья, и для платёжной системы это проблема доверия: мерчанту нужно понимать, почему платёж заблокирован. Ещё в 2020 году Stripe выпустила risk insights — функцию, показывающую, какие факторы транзакции повлияли на оценку риска. Поверх скоринга работает и слой правил: мерчанты могут задавать собственные пороги и логику (например, блокировать при P(fraud) выше порога), сочетая ML-оценку с бизнес-политиками.

Результат

Radar принимает решение по каждому платежу менее чем за 100 миллисекунд — внутри потока оплаты, до подтверждения транзакции. Из миллиардов легитимных платежей на Stripe система ошибочно блокирует лишь 0,1% — это и есть ключевая продуктовая гарантия: антифрод, который не душит выручку честных клиентов. Каждый скачок архитектуры (регрессия → деревья → ансамбль Wide & Deep → чистая DNN) давал значимый прирост качества детекции, а переход на DNN сократил время обучения более чем на 85%, до менее чем двух часов, превратив переобучение из ночного джоба в операцию «несколько раз в день».

Эффект продолжает накапливаться: по данным гайда Stripe, новые модели улучшают ML-качество Radar более чем на 20% год к году, а актуальная страница продукта заявляет снижение фрода у клиентов в среднем на 32% и обучение на более чем триллионе долларов годового платёжного объёма. Отметим рамки: 0,1% ложных блокировок и <100 мс — цифры инженерного поста марта 2023 года; 92% «знакомых» карт и −32% фрода — маркетинговые данные продуктовой страницы 2026 года; независимого аудита этих величин нет, а методика подсчёта «среднего снижения фрода» не раскрыта.

На наш взгляд, главная ценность этого кейса — в честно показанной инженерной экономике компромиссов. Решение отказаться от ансамбля ради скорости итераций, зная, что это стоит 1,5% recall, и компенсировать потерю масштабом данных — это зрелая ML-инженерия: команда явно посчитала, что способность отвечать атакующим в тот же день на дистанции ценнее фиксированного процента полноты. Для антифрода, где противник адаптивен, скорость обучения системы — не операционная метрика, а боевая характеристика.

Второе наше наблюдение: кейс демонстрирует силу инфраструктурной позиции. Сетевой эффект данных (92% карт уже знакомы сети) — преимущество, которое отдельный мерчант или нишевый антифрод-вендор воспроизвести не может в принципе. Это же — аргумент осторожности при чтении цифр: у агрегатора платежей и мотивация, и возможность показывать статистику в наиболее выгодном свете, поэтому продуктовые проценты стоит воспринимать как порядок величины, а не как аудированную отчётность.

Уроки для индустрии

1. Главная метрика антифрода — не только пойманный фрод, но и ложные блокировки: 0,1% false positive — это защита выручки клиентов; 33% покупателей после ложного отказа не возвращаются.
2. Скорость итераций — сама по себе качество: сокращение обучения с ночного джоба до <2 часов позволяет отвечать на новые атаки в тот же день.
3. Упрощение архитектуры (отказ от ансамбля в пользу чистой DNN) допустимо, только если просадку качества (−1,5% recall) компенсируют масштабом данных и модели.
4. Регулярное переобучение — самый дешёвый источник качества: по данным Stripe, свежие данные прибавляют до 0,5 п.п. recall в месяц без изменения архитектуры.
5. Сетевой эффект данных — конкурентное преимущество ML-антифрода: 92% карт уже знакомы сети Stripe — одиночный мерчант такой истории не соберёт никогда.
6. Объяснимость — продуктовое требование, а не роскошь: risk insights появились именно потому, что мерчант должен понимать, за что заблокирован платёж.
7. Инженерный блог с конкретикой (латентность, recall, время обучения) — золотой стандарт доказательства эффективности ML-системы; но маркетинговые проценты с продуктовых страниц читайте как порядок величины.

Частые вопросы