EMV部署率低 然前途无量

简介:

在EMV责任转移最终期限过后,尽管EMV(Europay、Mastercard和Visa)部署率依旧很低,但很多业内人士对其仍持乐观态度。

Visa公司发现,截至2015年9月15日,共发行15180万Visa芯片卡。虽然这只占市场中总Visa卡的22%,但这远远超过了一年前发行的2000万张卡。Visa预计在未来一年这一增长将超过655%。

EMV部署率低 然前途无量

同样地,Visa公司表示,在过去一年中,基于芯片的POS终端数量增幅超过470%,从2014年9月的55000到上个月的314000张。Visa还指出,小型企业占Visa芯片支付额的50%。

MasterCard公司报告称,其40%的卡为芯片卡,35万个美国商业网点接受基于芯片的支付。该公司还指出,从2014年8月到2015年8月,芯片交易增幅为446%。

智能卡联盟和EMV迁移论坛执行主管Randy Vanderhoof表示,到目前为止已经发行2亿EMV卡,这几乎相当于美国成年人口数量。Vanderhoof还指出,大型支付卡发行机构已经向其最高交易和最有价值的客户发行卡片,使用他们卡片的客户将得到充分保护。

Visa公司全球风险产品副总裁Stephanie Ericksen表示,57%的消费者的钱包中至少有一张芯片卡,平均每个人有一张以上信用卡。

Vanderhoof表示,美国在EMV部署方面已经取得“巨大的进步”,特别是因为该国家拥有世界上最复杂、最多样化、独特挑战的大型支付市场。

目前的部署率估计仍然很低,只有27%的美国商家可以处理芯片功能卡片。虽然部署率不高,Ericksen表示,Visa对目前所看到的数据感到倍受鼓舞,并希望在10月和11月看到更多商家可支持EMV,因为假日季节即将到来。

Vanderhoof也表示支持EMV终端的商家数量“鼓舞人心”,大型零售商已经报告目前正在进行“显著数量”的芯片交易。

Ericksen补充说,美国已经比世界上其他国家发行了更多的芯片卡,基本上从最后一名蹿升到第一名。

“芯片卡的稳步增长让我们感到非常高兴,”Ericksen表示,“在未来几年升级到芯片的每张卡片和商户终端都将更好地保护支付网络的安全性。”

EMV部署可能确实需要几年时间,但发卡机构和企业都深知这一点。

Ericksen表示,通过对其他国家的经验借鉴,Visa估计至少还需要两到三年时间,我们才会看到70%的交易完全通过芯片卡和终端完成,还需要另外几年才会增长到90%.

Vanderhoof认同Visa的观点。

Vanderhoof称:“我们不认为10月1日是重大日子,这只是一个里程碑,说明商家和发卡机构应该已经做好准备。”他预计在未来几个月到2016年,EMV部署将会稳步增加。

他表示:“我们认为这是一个长期发展过程,我们将会看到支付过程变得更加安全。”

对于EMV部署率,支付安全专责小组比Visa和Vanderhoof更加乐观;他们估计到今年年底美国芯片卡数量将增加到60%,道2017年年底达到98%。他们还预计,到今年年底,EMV功能的POS终端数量将会达到40%。


作者:Sharon Shea

来源:51CTO


相关文章
|
3天前
|
人工智能 运维 安全
|
1天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
5天前
|
SpringCloudAlibaba 负载均衡 Dubbo
微服务架构下Feign和Dubbo的性能大比拼,到底鹿死谁手?
本文对比分析了SpringCloudAlibaba框架下Feign与Dubbo的服务调用性能及差异。Feign基于HTTP协议,使用简单,适合轻量级微服务架构;Dubbo采用RPC通信,性能更优,支持丰富的服务治理功能。通过实际测试,Dubbo在调用性能、负载均衡和服务发现方面表现更出色。两者各有适用场景,可根据项目需求灵活选择。
398 124
微服务架构下Feign和Dubbo的性能大比拼,到底鹿死谁手?
|
8天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
753 109
|
2天前
|
机器学习/深度学习 传感器 算法
Edge Impulse:面向微型机器学习的MLOps平台——论文解读
Edge Impulse 是一个面向微型机器学习(TinyML)的云端MLOps平台,致力于解决嵌入式与边缘设备上机器学习开发的碎片化与异构性难题。它提供端到端工具链,涵盖数据采集、信号处理、模型训练、优化压缩及部署全流程,支持资源受限设备的高效AI实现。平台集成AutoML、量化压缩与跨硬件编译技术,显著提升开发效率与模型性能,广泛应用于物联网、可穿戴设备与边缘智能场景。
169 127
|
2天前
|
算法 Python
【轴承故障诊断】一种用于轴承故障诊断的稀疏贝叶斯学习(SBL),两种群稀疏学习算法来提取故障脉冲,第一种仅利用故障脉冲的群稀疏性,第二种则利用故障脉冲的额外周期性行为(Matlab代码实现)
【轴承故障诊断】一种用于轴承故障诊断的稀疏贝叶斯学习(SBL),两种群稀疏学习算法来提取故障脉冲,第一种仅利用故障脉冲的群稀疏性,第二种则利用故障脉冲的额外周期性行为(Matlab代码实现)
229 152
|
4天前
|
Java 数据库 数据安全/隐私保护
Spring 微服务和多租户:处理多个客户端
本文介绍了如何在 Spring Boot 微服务架构中实现多租户。多租户允许单个应用实例为多个客户提供独立服务,尤其适用于 SaaS 应用。文章探讨了多租户的类型、优势与挑战,并详细说明了如何通过 Spring Boot 的灵活配置实现租户隔离、动态租户管理及数据源路由,同时确保数据安全与系统可扩展性。结合微服务的优势,开发者可以构建高效、可维护的多租户系统。
210 127
|
4天前
|
机器学习/深度学习 存储 资源调度
CMSIS-NN:ARM Cortex-M处理器的高效神经网络内核——论文解读
CMSIS-NN是专为ARM Cortex-M系列微控制器优化的神经网络计算内核库,旨在支持资源受限的物联网边缘设备进行高效的深度学习推理。该库通过对卷积、池化、全连接层等关键操作进行定点量化、SIMD指令优化和内存布局调整,显著提升了模型在嵌入式设备上的运行效率。实验表明,CMSIS-NN在Cortex-M7处理器上的推理速度比基准实现提升了近5倍,大幅降低了功耗,为边缘AI应用提供了可行的技术路径。
223 128