# Ocena ryzyka transakcji w czasie rzeczywistym

EN: **Real-time transaction risk scoring** · id `cardfraudscoring` · aliases: transaction scoring, real-time fraud scoring, scoring transakcji, fraud scoring

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [AI w finansach](https://aiatlasgraph.com/t/finance.md) › [Wykrywanie oszustw płatniczych](https://aiatlasgraph.com/t/frauddetection.md) › Ocena ryzyka transakcji w czasie rzeczywistym

## Description

- PL: Model scoringowy na cechach agregowanych w oknach czasowych (klient, terminal, urządzenie), zwracający ryzyko transakcji w milisekundach.
- EN: A scoring model on time-window aggregated features (customer, terminal, device) that returns a transaction's risk within milliseconds.

## In one sentence

- PL: Każda płatność dostaje w locie ocenę ryzyka, która decyduje, czy przejdzie, wymaga potwierdzenia, czy zostanie zatrzymana.
- EN: Every payment gets an on-the-fly risk score that decides whether it goes through, needs confirming or is stopped.

## Problem it solves

- PL: Człowiek nie sprawdzi każdej płatności, a sztywne reguły albo przepuszczają oszustów, albo blokują uczciwych klientów.
- EN: No person can check every payment, and rigid rules either let fraudsters through or block honest customers.

## What it does

- PL: Porównuje bieżący zakup z twoimi nawykami: ile zwykle wydajesz, gdzie, o jakiej porze i jak szybko płacisz kolejny raz.
- EN: Compares the current purchase with your habits: how much you usually spend, where, at what time and how quickly you pay again.

## Everyday example

- PL: Trzy płatności w minutę w trzech różnych sklepach internetowych dostają wysoką ocenę, więc czwarta wymaga potwierdzenia w aplikacji banku.
- EN: Three payments in a minute at three different online shops score high, so the fourth must be confirmed in the banking app.

## This concerns you if you…

- PL: dostajesz prośby o potwierdzenie płatności w aplikacji
- PL: prowadzisz sklep internetowy i tracisz na obciążeniach zwrotnych
- EN: get asked to confirm payments in your app
- EN: run an online shop and lose money on chargebacks

## Keywords

feature engineering · RFM features · XGBoost · LightGBM · feature store · 3-D Secure · risk-based authentication · streaming features

## How it works

- PL: Z surowej transakcji liczy się cechy kontekstowe: liczbę i średnią kwotę płatności klienta w ostatnich godzinach i dniach, odsetek oszustw na terminalu, nietypową porę. Model, najczęściej gradient boosting, zwraca prawdopodobieństwo oszustwa, a progi decydują o akceptacji, dodatkowym uwierzytelnieniu lub odrzuceniu.
- EN: Contextual features are computed from the raw transaction: the customer's payment count and average amount over recent hours and days, the terminal's fraud rate, unusual timing. A model, most often gradient boosting, outputs a fraud probability, and thresholds decide between approval, step-up authentication and decline.

## Limits

- PL: Cechy agregowane wymagają szybkiego magazynu stanu i zgodności między treningiem a produkcją. Ryzyko terminala liczone z etykiet jest znane dopiero po opóźnieniu. Zbyt niski próg zalewa analityków i klientów fałszywymi alarmami.
- EN: Aggregated features need a fast state store and consistency between training and production. Terminal risk computed from labels is only known after a delay. Too low a threshold floods analysts and customers with false alarms.

## Key terms

- PL: **agregacja okienkowa**: Statystyki z ostatnich godzin lub dni, np. liczba płatności klienta.
- PL: **uwierzytelnienie dodatkowe**: Prośba o potwierdzenie płatności w aplikacji lub kodem.
- PL: **próg decyzyjny**: Poziom ryzyka, od którego płatność jest wstrzymywana.
- EN: **window aggregation**: Statistics over recent hours or days, e.g. a customer's payment count.
- EN: **step-up authentication**: Asking to confirm a payment in an app or with a code.
- EN: **decision threshold**: The risk level at which a payment is held.

## Know first

- [Gradient boosting (XGBoost, LightGBM) (Gradient-boosted trees)](https://aiatlasgraph.com/t/gradientboosting.md)
- [Niezbalansowane klasy i wartości odstające (Class imbalance and outliers)](https://aiatlasgraph.com/t/classimbalance.md)

## Related topics

Untyped, symmetric "see also" links.

- [Gradient boosting (XGBoost, LightGBM) (Gradient-boosted trees)](https://aiatlasgraph.com/t/gradientboosting.md)

## Sources

- [Reproducible Machine Learning for Credit Card Fraud Detection – Practical Handbook](<https://fraud-detection-handbook.github.io/fraud-detection-handbook/Chapter_2_Background/MachineLearningForFraudDetection.html>) `fraud-detection-handbook-2022` · by Yann-Aël Le Borgne, Wissam Siblini, Bertrand Lebichot, Gianluca Bontempi (Université Libre de Bruxelles)

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/cardfraudscoring · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30