Laut Visa reicht KI nicht aus, um eine neue Betrugswelle zu stoppen

Bei Finanzdienstleistungen verbreitet sich Täuschung so schnell wie das Geld selbst und zwingt Finanzinstitute dazu, sich Betrügereien zu stellen, die sowohl digitale Systeme als auch die menschliche Psychologie ausnutzen.

Dieser Wandel stand im Mittelpunkt eines aktuellen PYMNTS-Interviews mit Aman CheemaVizepräsident, Leiter International Skilled Companies, Threat and Safety Intelligence Options bei Visa. In der Diskussion im Rahmen der „Visa Shield“-Reihe wurde untersucht, wie Banken, Händler und Zahlungsnetzwerke die Betrugsprävention überdenken, während Kriminelle immer ausgefeiltere Taktiken anwenden.

KI spielt bei der Betrugsabwehr eine entscheidende Rolle

Künstliche Intelligenz steht heute im Mittelpunkt der modernen Betrugsprävention. Cheema warnte jedoch davor, dass die weit verbreitete Einführung bedeute, dass Institutionen sich nicht mehr allein auf KI verlassen könnten, um ihre Abwehrmaßnahmen zu differenzieren.

In seiner Diskussion mit PYMNTS stellte Cheema fest, dass Finanzinstitute Zugriff auf dieselben Instruments haben, die Kriminelle zunehmend selbst nutzen. Diese Realität hat die Wettbewerbslandschaft der Betrugsprävention verändert. Da sich KI-Instruments im gesamten Zahlungsökosystem immer weiter ausbreiten, sollten Institutionen diese Fähigkeiten mit menschlichem Urteilsvermögen und koordinierter Intelligenz kombinieren, um Betrügern immer einen Schritt voraus zu sein.

Das letztendliche Ziel bleibt klar. Finanzinstitute sollten sicherstellen, dass Geld sicher bewegt wird, und gleichzeitig das Vertrauen wahren, das dem digitalen Handel zugrunde liegt. KI kann Transaktionen analysieren und Anomalien identifizieren. Um dieses Vertrauen aufrechtzuerhalten, muss man jedoch den Kontext und die Absicht hinter der Zahlungsaktivität verstehen.

Technologie dient daher als Bestandteil eines Arsenals zur Betrugsbekämpfung. In Zusammenarbeit mit erfahrenen Risikoexperten können Finanzinstitute ihre Betrugskompetenzen erweitern und verbessern, um verdächtige Aktivitäten effektiver zu erkennen, bevor Gelder verschwinden.

Betrügereien nutzen Geschwindigkeit und menschliches Verhalten aus

Moderne Betrügereien unterscheiden sich von herkömmlichen Betrügereien sowohl in ihrer Struktur als auch in ihrer Geschwindigkeit. Neue und entstehende Infrastrukturen ermöglichen es Kriminellen, Gelder sofort zu bewegen, sobald ein Opfer eine Transaktion autorisiert.

„Die bevorzugte Zahlungsmethode ist in der Regel eine schnellere Zahlungsmethode“, sagte Cheema und wies darauf hin, dass Betrüger innerhalb weniger Augenblicke eine Überweisung veranlassen und Gelder unwiederbringlich verschieben können.

Er fügte hinzu, dass die Unmittelbarkeit dieser Systeme ein enges Zeitfenster für Institutionen zum Eingreifen schaffe.

„Die Betrüger können alles tun, um an den Betrug heranzukommen (erfolgreich abgeschlossen), und das Geld wird sofort eingezogen und ist weg. Es erweist sich als sehr schwierig, dieses Geld zurückzubekommen“, sagte der Geschäftsführer gegenüber PYMNTS.

Die menschliche Dimension erschwert die Erkennung zusätzlich. Anstatt technische Schwachstellen auszunutzen, manipulieren Betrüger ihre Opfer häufig dazu, die Zahlung selbst zu autorisieren.

Generative KI hat diese Herausforderung verschärft. Kriminelle nutzen heute KI-Instruments, um persönliche Informationen zu sammeln, vertrauenswürdige Kontakte nachzuahmen und überzeugende Mitteilungen zu erstellen, um Opfer davon zu überzeugen, dass eine Transaktion legitim ist.

„Sie nutzen die Technologie auf vielfältige Weise“, sagte Cheema.

Da diese Betrügereien eher auf Social Engineering als auf gestohlenen Zugangsdaten basieren, erscheinen sie für automatisierte Überwachungssysteme oft legitim.

Für Emittenten, Acquirer und Händler unterstreicht diese Realität die Notwendigkeit, Transaktionen im breiteren Kontext des Kundenverhaltens zu untersuchen.

Verhaltensdaten helfen bei der Identifizierung verdächtiger Signale

Die Datenanalyse bleibt ein zentraler Bestandteil der Betrugserkennung, insbesondere wenn Institute das Zahlungsverhalten im Zeitverlauf untersuchen.

Adaptive Verhaltensanalyse von Featurespaceeine Visa-Lösung, hilft bei der Analyse von Transaktionsmustern und der Entwicklung von Verhaltensprofilen, die widerspiegeln, wie Kunden ihre Konten normalerweise nutzen. Anstatt sich ausschließlich auf einzelne Transaktionen zu konzentrieren, bewertet die Technologie, ob die Aktivität mit etablierten Mustern übereinstimmt.

Wir sind gerne Ihr Ansprechpartner bevorzugte Quelle für Nachrichten.

Bitte fügen Sie uns zu Ihrer bevorzugten Quellenliste hinzu, damit unsere Nachrichten, Daten und Interviews in Ihrem Feed angezeigt werden. Danke!

„Wir modellieren Ihr Verhalten anhand Ihrer Zahlungstransaktionen“, sagte Cheema und wies darauf hin, dass Systeme Kaufmuster analysieren, um zu verstehen, wie das normale Verhalten eines Kunden aussieht.

Wenn ein Kunde, der regelmäßig Lebensmittel an einem vertrauten Ort einkauft, plötzlich eine wesentlich größere Transaktion von einem unbekannten Gerät oder Ort aus initiiert, markiert das System diese Aktivität möglicherweise zur Überprüfung.

Cheema betonte jedoch, dass die Herausforderung nicht darin liege, Daten zu sammeln, sondern darin, die wirklich wichtigen Signale zu identifizieren. „Es gibt viele Daten da draußen. Es gibt auch viel Lärm“, sagte er.

Das Herausfiltern sinnvoller Signale aus diesem Rauschen erfordert ausgefeilte Analysen und einen umfassenderen Ökosystemansatz. Gemeinsame Informationen zwischen Emittenten, Händlern und Zahlungsanbietern können Institutionen dabei helfen, koordinierte Betrugskampagnen schneller zu erkennen und zu reagieren, bevor sie sich ausbreiten.

Menschliche Experience bringt den entscheidenden Vorsprung

Trotz der Fortschritte in der Analytik argumentierte Cheema, dass der entscheidende Vorteil oft von menschlichen Risikoexperten liege, die aufkommende Muster interpretieren und schnell reagieren.

„Der Vorteil liegt nicht in mehr Daten“, sagte er. „Es kommt darauf an, wer diese Daten sehr schnell verstehen kann.“

In vielen Fällen identifizieren erfahrene Analysten Zusammenhänge zwischen Transaktionen, Regionen oder Händlerkategorien, die automatisierte Systeme noch nicht erkannt haben. Diese Fähigkeit wird besonders wichtig bei koordinierten Betrugskampagnen.

Cheema beschrieb Situationen, in denen organisierte Gruppen Angriffe starten, die auf bestimmte Kundenprofile oder Regionen abzielen. Durch die Untersuchung von Signalen in verschiedenen Regionen können Ermittler diese Kampagnen frühzeitig erkennen.

„Man sieht Muster in einem Teil der Welt, die einen sofort denken lassen, dass, wenn sie dieses Profil angreifen, die Wahrscheinlichkeit sehr hoch ist, dass sie dasselbe Persona-Profil in einem anderen Teil der Welt angreifen“, sagte Cheema.

Sobald Analysten diese Muster erkennen, können Institutionen Abwehrmaßnahmen in Echtzeit anpassen und betroffene Organisationen im gesamten Zahlungsökosystem alarmieren.

Auch die menschliche Aufsicht spielt bei der Koordinierung der Reaktionen eine wesentliche Rolle. Die Betrugsspezialisten von Visa können Emittenten, Händler oder Acquirer direkt kontaktieren, um verdächtige Aktivitäten zu bestätigen und bei einem möglichen Angriff Hilfe zu leisten.

Cheema fasste diesen Ansatz als ein neues Betriebsmodell zur Betrugsprävention zusammen, das „Menschen, Anwendungen und Daten“ kombiniert und jeweils durch KI gestärkt wird.

Für die gesamte PYMNTS AI-Berichterstattung abonnieren Sie die Tageszeitung KI-Publication.