# 拒付欺诈防范：如何保护数字业务收入 > 通过经过验证的防范策略阻止拒付欺诈，为数字产品卖家和 SaaS 企业介绍从风控信号到 MoR 保护的完整方案。 - **Author**: Ayush Agarwal - **Published**: 2026-04-04 - **Category**: Payments, Fraud Prevention, SaaS - **URL**: https://dodopayments.com/blogs/zh/chargeback-fraud-prevention --- 拒付欺诈每年在全球给数字业务造成的损失估计达 1170 亿美元。进入 2026 年，软件和数字产品卖家面临的问题比任何其他品类都更加严重。因为没有实物商品可以证明已完成交付。被盗的银行卡数据既可以用来购买 SaaS 订阅，也可以用来购买演唱会门票。更重要的是，欺诈购买与拒付之间可能相隔数月，因此很难将原因与结果联系起来。 对于 SaaS 创始人和数字产品卖家而言，防范拒付欺诈并非可选项。争议率超过交易量的 1%，就可能导致你的商户账户被关闭。一次欺诈活动造成的激增，可能让你数月的收入追回工作付诸东流。而通过正确结合欺诈信号、工具，以及支付处理方式上的结构性调整，大部分损失其实都可以避免。 本指南将介绍拒付欺诈的运作机制、你需要监控的具体信号、能够在欺诈交易完成前将其拦截的工具，以及 [MoR（名义商户）模式](https://dodopayments.com/blogs/what-is-a-merchant-of-record) 如何彻底替你承担欺诈责任。 ## 拒付欺诈的三种类型 并非所有拒付都属于同一种问题。正确的防范策略取决于你面对的是哪种欺诈，而大多数企业都会同时遇到这三种类型。 ### 真实欺诈（第三方欺诈） 大多数人听到"支付欺诈"时想到的就是真实欺诈。犯罪分子通过网络钓鱼、数据泄露或盗刷等方式获取被盗的银行卡信息，然后在实际持卡人察觉之前使用这些信息购物。持卡人最终会发现这笔未经授权的扣款，并向银行提出争议。 对于数字产品而言，真实欺诈之所以是一个严重问题，是因为： - 数字商品会即时交付。欺诈者购买 SaaS 订阅或软件许可证后立即使用，而持卡人可能在几小时后就对这笔交易提出争议。 - 被盗的银行卡数据价格低廉且广泛流通。欺诈即服务工具让低技能攻击者也能轻松地将成批被盗凭据用于测试商户结账流程。 - 账户接管攻击（欺诈者接管合法客户的账户并进行购买）会产生拒付：原持卡人会对自己未进行的交易提出争议，即使你的记录显示该账户属于现有客户。 真实欺诈拒付属于卡组织原因代码 10.4（Visa）和 4837（Mastercard）下的"无卡交易欺诈"类别。这类拒付可以通过 3D Secure 身份验证将责任转移给发卡行。 ### 友好欺诈（第二方欺诈） 友好欺诈发生在合法持卡人完成真实购买后提出争议，声称交易未经授权，或声称自己从未收到产品或服务。持卡人并没有说实话，但从银行的角度来看，你需要从零开始证明这一点。 SaaS 和数字产品中常见的友好欺诈模式包括： - 客户注册年度订阅并使用产品数月，然后在年底续费时对最初的扣款提出争议。 - 客户下载并使用软件产品，随后声称产品与描述不符，对购买提出争议。 - 不符合退款条件的客户改为发起拒付，因为他们知道银行往往会站在持卡人一边。 根据行业估算，友好欺诈占数字商务全部拒付量的 60%-80%。从犯罪意义上说，它严格来讲并不属于"欺诈"，但对你的业务造成的财务影响相同。由于交易本身是合法的，问题出现在交易完成之后，因此仅靠欺诈筛查更难预防。相当一部分友好欺诈其实只是客户无法识别交易：清晰的 [账单描述符](/blogs/statement-descriptor) 在银行账单上显示你的品牌名称，可以避免客户因不再记得这笔交易而提出争议。 ### 第一方滥用 第一方滥用介于友好欺诈和普通滥用之间，涵盖以下模式： - 订阅反复注册：注册并使用产品，然后对扣款提出争议以获得免费使用权，再换一张卡重新注册。 - 试用滥用：使用要求绑定银行卡的试用服务，然后对试用转正后的扣款提出争议。 - 退款套利：购买数字产品并获得退款后，仍对原始交易提出争议，从而重复追回款项。 - 家庭欺诈：家庭成员未经许可使用持卡人的银行卡，持卡人随后对扣款提出争议----从技术上说这是未经授权的交易，但并非犯罪欺诈场景。 由于持卡人和购买者是同一个人，标准欺诈筛查很难防范第一方滥用。检测依赖的是客户群体中的行为信号和模式匹配，而不是结账时的支付信号。 ## 需要监控的风控信号 有效的拒付欺诈防范会在不良交易完成前将其拦截，或者至少在欺诈模式扩大到足以造成争议率问题之前进行拦截。对于数字产品卖家来说，以下是最重要的信号。 ### 频次检查 频次检查会追踪某个特定标识符----银行卡号、电子邮箱、IP 地址、设备指纹或收货地址----在指定时间窗口内出现在交易中的频率。任何单一标识符出现高频使用，都是强烈的风控信号。 需要标记的具体频次模式包括： - 同一张卡在 24 小时内用于多个互不相关的账户 - 同一电子邮箱或设备出现多次失败的银行卡尝试，随后又成功（银行卡测试） - 短时间内来自同一 IP 地址、用于互不相关账户的交易超过 2-3 笔 - 短时间内多个注册使用同一电子邮箱域名（表明正在批量创建账户） - 同一账单地址关联超过 3-4 个不同的银行卡号 [银行卡测试欺诈](/blogs/card-testing-fraud) 在数字产品中尤其常见。欺诈者会利用你的结账页面进行小额交易，以验证一批被盗银行卡是否仍然有效。如果你发现拒付交易激增，随后不同银行卡号在相似 IP 段产生少量成功交易，这就说明银行卡测试正在进行。 ### 地理异常 不同信号之间的地理位置不匹配，是可靠的欺诈指标： - BIN（银行识别码）所属国家与账单地址国家不一致 - IP 地址的地理位置与账单地址国家或 BIN 所属国家不一致 - IP 地址解析到已知的 VPN、代理服务器或 Tor 出口节点 - 收货地址（例如 USB 驱动器或印刷版许可证密钥等实体形式数字产品的交付地址）位于高欺诈风险地区，而银行卡由低欺诈风险国家发行 - 客户设备的界面语言与其填写的账单国家不一致 单一的地理位置不匹配并不能下定论，但多个信号组合起来就很有意义。例如，银行卡由德国发行，却从尼日利亚的 IP 地址使用，账单地址又位于英国，这是一个强烈的欺诈模式。每个信号单独来看或许都能解释，但结合起来，就足以要求拒绝交易或进行额外验证。 ### BIN 不匹配 银行识别码是银行卡号的前六位数字。BIN 可识别发卡行和银行卡的来源国家。BIN 不匹配检查会将银行卡的 BIN 数据与其他交易信号进行比较： - BIN 国家与 IP 国家 - BIN 卡片类型（借记卡或信用卡）与客户填写的类型 - BIN 发卡行与填写的账单信息 - 预付卡 BIN（预付卡的欺诈率明显更高，且没有拒付保护） - 虚拟卡 BIN（部分虚拟卡服务专门用于隐藏身份） 除了不匹配检查外，根据历史数据，某些 BIN 段已知具有较高的欺诈率。风控工具会维护 BIN 信誉数据库，标记高风险发卡行或拒付历史较高的卡段。 ### 设备与行为信号 除了支付信号，设备和行为数据还可以提供另一层判断依据： - 设备指纹出现在多个互不相关的账户中 - 表单填写速度异常快（可能表明自动化操作或机器人行为） - 表单字段是复制粘贴的，而不是手动输入 - 浏览器或设备特征与用户声明的位置不一致 - 会话行为不符合正常购买模式（没有浏览产品页面，直接访问结账页面） 对于 SaaS 产品，购买后的行为信号同样重要。购买订阅后一次都没有登录过的客户，比积极使用产品的客户更可能发起拒付。如果你拥有使用数据，将其整合到后续的拒付响应证据中，并立即用于退款决策逻辑，会带来实际收益。 ## 风控检测流程 分层风控方法会逐步评估信号，从最快、成本最低的检查开始，再到最深入的检查；交易必须依次通过每一层，才能到达支付处理商。 ```mermaid flowchart TD A["发起\n交易"] -->|"检查频次\n和 BIN"| B{"频次与\nBIN 规则"} B -->|"通过"| C{"地理\n异常检查"} B -->|"标记"| R1["拦截或\n要求 3DS"] C -->|"通过"| D{"设备与\n行为信号"} C -->|"不匹配"| R2["风险升高：\n分数 +30"] D -->|"通过"| E{"风控分数\n阈值"} D -->|"可疑"| R3["风险升高：\n分数 +20"] R2 --> E R3 --> E E -->|"分数 < 40"| F["3DS\n身份验证"] E -->|"分数 40-70"| G["要求 3DS\n+ 人工审核"] E -->|"分数 > 70"| H["拦截\n交易"] F -->|"验证通过"| I["处理\n扣款"] G -->|"审核通过"| I H --> J["记录以供\n模式分析"] ``` 关键设计原则是：拦截决策必须在扣款处理前完成。被拦截的交易，拒付风险为零。通过风控筛查并最终产生拒付的交易，已经让你承担了争议费用、处理时间，以及在争议失败时可能损失的款项。 > 最好的风控发生在交易完成之前。一旦欺诈扣款成功，你就已经进入追回阶段。我们围绕在结账时捕捉信号，而不是事后管理争议，构建了 Dodo Payments 的风控基础设施。 > > - Ayush Agarwal，Dodo Payments 联合创始人兼 CPTO ## 风控工具与技术 多层工具协同工作，才能有效防范数字产品欺诈。没有任何单一工具能够提供完整覆盖。 ### 3D Secure 身份验证 [3D Secure 身份验证](https://dodopayments.com/blogs/3d-secure-3ds-payment-authentication) 是将欺诈责任转移出你业务范围的最重要工具。当交易通过 3DS2 完成身份验证后，以"未经授权的交易"为原因代码提交的拒付（真实欺诈）将由发卡行承担责任，而不是由你承担。 对于大多数合法交易，3DS2 会通过无感验证流程完成：银行利用设备和行为信号验证持卡人身份，无需客户执行任何操作。当风险信号升高时，银行会要求客户完成 OTP 或生物识别验证。这种验证可以阻止真实欺诈（欺诈者通常无法访问持卡人的手机），同时最大限度减少对合法客户的影响。 对于 SaaS 和数字产品卖家，在所有结账流程中启用 3DS，而不仅仅是高价值交易，是支付欺诈防范的基础配置。它为真实欺诈拒付提供的责任转移，是支付体系中最接近免费保险的保护措施。 ### 地址验证服务 地址验证服务（AVS）会将客户填写的账单地址和邮政编码与发卡行保存的记录进行比对。AVS 会返回结果代码，说明街道地址是否匹配、邮政编码是否匹配、两者是否都匹配，或两者都不匹配。 AVS 单独使用不足以作为风控门槛----由于发卡行记录不完整，许多合法的国际交易也会无法通过 AVS。但将 AVS 结果与其他信号结合起来，可以为风控分数提供有意义的权重。一笔 AVS 匹配失败、IP 位于其他国家且 BIN 为预付卡的交易，其风险显著高于任何单一信号所显示的风险。 ### 卡片验证值（CVV）要求 要求客户在结账时输入 CVV，可以提供一个基础信号，表明购买者实际持有这张卡（或至少能够访问卡片数据；后者的控制力较弱，但仍比没有任何控制更好）。授权完成后，商户不会存储 CVV，因此 CVV 匹配意味着数据来自银行卡本身，而不是只获取了卡号和有效期的数据泄露。 对于需要保存银行卡信息以处理订阅的数字产品，请确保你的支付处理商在首次采集银行卡信息时验证 CVV，即使你无法在周期性扣款中要求再次输入。 ### 频率限制与机器人检测 银行卡测试是指欺诈者将成批被盗银行卡提交到你的结账流程中，几分钟内可能产生几十到数百次交易尝试。在结账端实施频率限制，可以限制同一 IP、设备或电子邮箱在指定时间内的尝试次数，从而阻止批量测试。 机器人检测工具（CAPTCHA、隐形机器人指纹识别和蜜罐字段）可以进一步防范自动化银行卡测试。大多数合法客户不会触发这些控制措施，而自动化欺诈尝试几乎总会触发。 ### 风控评分与机器学习 专用风控评分工具会将所有可用信号汇总为一个风险分数，通常采用 0-100 的范围，并允许你设置拦截、审核和额外身份验证的阈值。使用欺诈和拒付数据训练的机器学习模型，在检测新型欺诈模式方面优于基于规则的系统。 对于大多数数字产品企业而言，支付处理商和 MoR 平台提供的风控评分工具已经足够，无需另外购买独立的风控评分软件。关键在于配置你可以使用的阈值和规则，而不是直接沿用默认设置。 ## 争议响应的证据收集 拒付发生后，结果很大程度上取决于你能否在响应窗口内提交证据（通常为收到通知后的 7-20 天）。我们的[争议管理指南](/blogs/dispute-management-guide)将逐步介绍申诉流程。对于开展 [SaaS 拒付防范](https://dodopayments.com/blogs/chargeback-prevention-saas) 的企业，在争议发生前建立证据收集习惯至关重要。 能够帮助数字产品卖家赢得争议的证据包括： - **登录记录**：显示客户在交易日期之后完成身份验证并访问产品的时间戳；与客户资料匹配的 IP 地址和设备 ID。 - **使用数据**：发起的 API 调用、创建的文件、访问的功能、发送的电子邮件或任何可衡量的产品活动。声称从未收到或使用产品的客户，如果账户中显示有 47 次 API 调用和 3 次功能激活，就很难维持这一说法。 - **沟通记录**：显示客户已完成引导、收到欢迎消息或与支持团队互动的电子邮件往来；以及显示客户曾多次成功付款且未提出争议的历史记录。 - **产品交付确认**：对于软件下载，保存下载时间戳和 IP 地址；对于许可证密钥产品，保存密钥激活记录及其激活设备的 ID。 - **账户创建数据**：创建账户时使用的电子邮箱、IP 和设备。如果账户创建信息与支付详情匹配，就能支持"合法持卡人完成了购买"这一判断。 请以便于按交易快速检索的格式保存这些数据。争议的响应窗口很短，如果在时限压力下从不同系统中临时拼凑证据，会降低你的胜诉率。 [Dodo Payments 的争议和 RDR 工具](https://docs.dodopayments.com/features/transactions/disputes)提供了结构化工作流，让你可以直接从控制面板提交证据。对于使用 Dodo Payments 作为 MoR 的商户，争议响应流程通过 Dodo Payments 的基础设施运行，无需商户自行构建证据处理管线。 [Webhooks](https://docs.dodopayments.com/developer-resources/webhooks)在这里同样有用。处理 `dispute.opened` webhook 事件后，你可以立即触发内部提醒，并在争议提交时自动开始收集证据，而不是等到控制面板延迟通知后才发现。 ## MoR（名义商户）模式如何转移欺诈责任 MoR（名义商户）模式改变了支付欺诈风险由谁承担的基本结构。任何评估[支付欺诈防范](https://dodopayments.com/blogs/chargeback-prevention-saas)策略的数字业务，都需要理解这一变化。 在标准模式下，你的企业是名义商户。客户银行卡账单上会显示你的企业名称。拒付会针对你的商户账户发起。卡组织监控的是你的争议率。当争议率超过阈值时，被纳入监控计划或被终止的就是你的商户账户。 在 MoR 模式下，像 [Dodo Payments](https://dodopayments.com) 这样的平台会成为你交易的法定销售方。银行卡账单上显示的是 MoR 的名称。拒付会针对 MoR 的商户账户发起。MoR 负责争议响应流程，并承担争议失败时的拒付费用。 这对风控保护有几方面具体意义： - **隔离争议率**：你的产品出现欺诈激增，会影响 MoR 的争议率计算，但该计算会在众多商户之间汇总。你的企业被终止商户账户的风险实际上接近于零。 - **规模化风控基础设施**：MoR 平台会为众多商户处理大量交易，因此其风控模型拥有更多训练数据和可用信号，远超单个商户的数据集。 - **共享拒付提醒覆盖**：MoR 平台可以接入 Visa 的 Rapid Dispute Resolution（RDR）和拒付前提醒网络，而单个商户通常无法独立接入或承担相关成本。这些网络会在争议正式提交前拦截潜在争议，并允许先行退款，避免拒付计入争议率。 - **3DS 与身份验证基础设施**：在 MoR 层正确配置 3DS 身份验证后，真实欺诈拒付的责任转移可以在你的所有交易中持续生效。 代价是你需要通过处理费支付 MoR 服务费用。但对于没有专门支付运营团队的企业来说，拒付管理、风控工具、争议响应人员和潜在商户账户风险的成本，往往高于 MoR 的服务溢价。 [Dodo Payments 的名义商户拒付](https://dodopayments.com/blogs/merchant-of-record-chargebacks)完全在 Dodo Payments 的基础设施中处理，为你提供内置的[拒付保护](/blogs/chargeback-protection)。你的收入照常流转，争议则由我们代表你管理。你可以通过控制面板了解争议结果，同时无需承担运营负担或账户风险。 ## 专门保护数字产品 数字产品的风控有一些不同于实体商品电商的特殊考量。 **即时交付意味着没有追回窗口。**软件许可证密钥或 SaaS 订阅会在交易处理完成的瞬间交付价值。如果交易属于欺诈，等到发现欺诈时，产品可能已经被使用或消耗。扣款前的防范是唯一有效的干预方式----基于退款的缓解措施无法追回已经交付的价值。 **许可证密钥滥用是一种独特的欺诈模式。**对于使用许可证密钥销售的软件，欺诈者购买产品、收到密钥，然后对交易提出争议。此时他们既拥有可用的许可证密钥，又拿回了款项。将许可证停用加入争议响应流程----在发起拒付时自动停用密钥----可以限制这种欺诈模式持续产生的价值。Dodo Payments 的[争议和 RDR](https://docs.dodopayments.com/features/transactions/disputes)工具支持触发此类自动响应的 webhook 事件。 **试用滥用需要账户级控制。**防止试用滥用和第一方滥用造成的[收入流失](https://dodopayments.com/blogs/revenue-leakage-saas)，需要超越支付筛查的控制措施。将试用次数限制为每个电子邮箱域名一次（而不只是每个电子邮箱地址一次）、要求高价值试用验证电话号码或绑定银行卡，以及追踪用户群体中的账户创建模式，都能降低风险敞口。 **支付方式选择会影响欺诈率。**并非所有支付方式都具有相同的拒付风险。银行转账（ACH、SEPA）的拒付率接近于零，因为其撤销机制不同且更难发起。Apple Pay 和 Google Pay 等数字钱包包含设备身份验证，可以防止无卡交易中的真实欺诈。在提供银行卡支付的同时，为 [SaaS 客户提供最佳支付方式](https://dodopayments.com/blogs/best-payment-methods-for-saas)，并在高欺诈市场默认使用低风险选项，可以显著降低欺诈风险，同时不会降低合法客户的转化率。 ## 拒付欺诈对收入的影响 拒付欺诈造成的财务损失远不止争议交易本身的金额。要全面了解防范的重要性，请考虑以下完整成本： - **交易金额**：你需要退还全部购买金额。 - **拒付费用**：每笔争议 15-50 美元，无论结果如何都需要支付给卡组织。 - **已经交付的商品或服务**：对于数字产品，争议发生前已经交付的价值无法追回。 - **争议响应成本**：员工整理证据并管理响应流程所花费的时间。 - **风控筛查与防范开销**：用于防止未来欺诈的工具和运营成本。 - **[高风险市场规避造成的收入流失](https://dodopayments.com/blogs/revenue-leakage-saas)**：部分企业会限制向某些地区销售以降低欺诈风险，从而放弃合法收入。 - **潜在的商户账户后果**：监控计划费用、不断上升的成本，以及最严重的账户终止----这会迫使你紧急重建支付基础设施。 拒付欺诈不只是支付问题，还会影响[收入追回](https://dodopayments.com/blogs/revenue-recovery-saas)策略、客户获取经济模型和市场扩张决策。 假设一家企业每月处理 50 万美元交易，其中由欺诈导致的拒付率为 1.5%，按每笔平均 30 美元的费用计算，仅拒付费用每月就约为 225 美元，此外还要损失 7,500 美元的交易金额，更不包括员工时间和间接成本。欺诈激增绝不是一个可以忽略的小项目。 一旦超过卡组织的监控阈值，成本就不再只是按每笔争议计算，而会变成结构性成本。你的支付服务商会重新审查风险档案，而[支付服务商为何会设置滚动准备金并撤销支付批准](https://dodopayments.com/blogs/merchant-underwriting-explained)解释了这类审查关注什么，以及账户终止后要获得其他服务商接纳意味着什么。 ## 为数字产品卖家搭建风控体系 对于大多数 SaaS 和数字产品企业而言，实用的风控体系不需要从零开始开发定制工具。关键在于配置现有支付基础设施已经提供的能力，增加几层有针对性的控制，并围绕证据收集和争议响应建立运营习惯。 **基础配置：** - 在所有结账流程中启用 3DS2 - 在支付处理商中配置风控评分阈值（拦截高风险交易，对中风险交易启用 3DS） - 对所有首次采集的银行卡信息要求 CVV - 在结账 API 端点实施频次限制 - 设置实时风控和争议 webhook 处理程序 **运营实践：** - 按交易记录登录时间戳、IP 地址和使用事件 - 在每次续费前 7 天发送扣款提醒 - 确保客户在 3 次点击内即可完成取消 - 为每笔交易的争议响应构建一键证据导出功能 **结构性选择：** - 使用 [Dodo Payments](https://dodopayments.com) 作为你的 MoR（名义商户），转移争议责任，接入共享风控基础设施，并从运营体系中移除商户账户风险 [Dodo Payments 定价](https://dodopayments.com/pricing)从美国境内交易 4% + 0.40 美元起，无月费；完整的 MoR 服务、风控基础设施和争议管理均包含在该费率中。 ## 常见问题 ### 什么是拒付欺诈？它与普通拒付有什么区别？ 拒付欺诈发生在有人对自己授权的合法扣款提出争议以撤销交易，或有人使用被盗银行卡购物、随后真实持卡人对交易提出争议时。普通拒付也可能源于真实的账单错误或处理错误。两者的区别很重要：欺诈拒付需要在结账时进行防范并使用风控检测工具，而账单错误拒付通常可以通过更好的沟通和运营流程解决。 ### 对数字产品卖家来说，哪些风控信号最可靠？ 频次检查、BIN 国家与 IP 地址之间的地理位置不匹配，以及设备指纹异常，是防范数字产品欺诈最可靠的信号。对于 SaaS 企业而言，购买后完全没有登录活动，以及试用后异常快速取消等购买后行为信号，是第一方滥用的强烈指标。 ### 3D Secure 身份验证能防止所有类型的拒付欺诈吗？ 不能。3DS 身份验证会将真实欺诈拒付（未经授权的交易原因代码）的责任转移给发卡行，这提供了重要保护。但 3DS 无法防止友好欺诈，即合法持卡人对自己实际完成的购买提出争议。防范友好欺诈需要不同的工具：充分的证据收集、良好的取消流程、扣款前提醒以及客户验证实践。 ### MoR（名义商户）如何防范拒付欺诈？ 当你使用 Dodo Payments 这样的 MoR（名义商户）时，MoR 会成为所有支付交易中登记的商户。你的客户发起的拒付会针对 MoR 的商户账户，而不是你的账户。MoR 负责争议响应流程，在所有交易中应用风控筛查和 3DS 身份验证，并承担争议失败时的拒付费用。你的企业可以保留合法收入，同时无需承担争议率风险或商户账户风险。 ### 为了赢得数字产品拒付争议，我应该收集哪些证据？ 数字产品争议中最有效的证据包括：显示客户在扣款日期后访问产品的登录时间戳和 IP 地址；证明产品已被使用的使用数据；确认订阅或购买的电子邮件往来；以及显示客户曾支付此前扣款且未提出争议的历史记录。请以便于按交易快速检索的格式保存这些数据，因为争议响应窗口通常只有收到通知后的 7-20 天。 ## 结语 数字业务的拒付欺诈防范归结为协同运作的三层措施：在欺诈交易处理前将其拦截；在欺诈漏网时收集赢得争议所需的证据；并构建支付基础设施，避免让欺诈责任完全落在你的商户账户上。 风控信号----频次检查、地理异常、BIN 不匹配和设备指纹识别----可以在结账时捕捉真实欺诈。[3D Secure 身份验证](https://dodopayments.com/blogs/3d-secure-3ds-payment-authentication)会转移仍然漏网的欺诈交易的责任。强大的证据收集能力可以帮助你应对友好欺诈争议。而 MoR（名义商户）模式则能彻底将你的商户账户从风险中心移开。 对于刚开始扩展支付运营的 SaaS 和数字产品企业，[Dodo Payments](https://dodopayments.com)提供完整体系----风控筛查、3DS、争议管理和 MoR 责任覆盖----无需你分别寻找、集成和管理每一层能力。另一种选择是自行搭建这套基础设施，同时承担某个月份欺诈激增、在工具尚未到位前就危及商户账户的风险。 了解 [Dodo Payments](https://dodopayments.com) 作为你的 MoR（名义商户）如何处理拒付欺诈，或查看 [Dodo Payments 定价](https://dodopayments.com/pricing)，将其成本与独立管理支付欺诈防范的成本进行比较。 --- - [More Payments articles](https://dodopayments.com/blogs/category/payments) - [All articles](https://dodopayments.com/blogs)