Im heutigen Krieg gegen Finanzbetrug entwickelt sich das Schlachtfeld schneller als je zuvor, da die künstliche Intelligenz (KI) beide Seiten trieben und die Gegner zunehmend anspruchsvoller werden.
Deshalb haben Pymnts gefordert Visa DPS GM, Risikoprodukte und Lösungen Dustin White Und FeatureSpace Chief Working Officer Tim Vanderham Auszupacken, wie Zahlungsleiter mit einem wegweisenden Ansatz, der auf Verhaltensanalysen und kollaborativen Innovationen beruht, zurückgepackt.
“Es geht nicht darum, nur Betrug zu stoppen, das gestern passiert ist”, sagte White. “Die eigentliche Frage ist, sind Sie bereit, den Betrug zu stoppen, der morgen kommt?”
Die Betrugserkennung hat sich seit langem auf regelbasierte Systeme beruht, die nach ihrer Einführung „schlechte“ Aktivitäten kennzeichnen. Obwohl diese Systeme historisch gesehen nützlich waren, ist es klar, dass sie nicht mit der generativen KI-betriebenen Taktik übereinstimmen, die jetzt von Cyberkriminellen wie Social Engineering, Artificial Id-Diebstahl und Deepfake-Betrug verwendet wird.
Das neue Ziel ist es, den Betrug zu stoppen, bevor die Transaktion überhaupt versucht wird.
“Wir schauen uns nicht nur Transaktionen an”, sagte Vanderham von FeaturePace. “Wir suchen Anmeldungen, Zahlungsempfängerdaten und Verhaltensmetadaten. Das Betrugsereignis ist oft die letzte Handlung in einem längeren Spiel.”
Umschreiben der Betrugsregeln Verhütung
Visa DPS hat sich mit der von Cybercriminalen verwendeten generativen KI-betriebenen Taktiken entgegenwirken. FeatureSpaceEin in Großbritannien ansässiges Unternehmen, das sich auf adaptive Verhaltensanalysen spezialisiert hat, um seinen Ansatz zur Betrugserkennung zu verfeinern.
“Historisch gesehen haben sich Betrugssysteme auf das Schlechte konzentriert”, sagte White. “Aber in einer Welt des digitalen Handels kann die Bedeutung der Profilierung des Guten wirklich nicht untertrieben werden.”
Im Kern des Merkmalsmodells stehen adaptive Verhaltensanalyse (ABA), gepaart mit patentierten automatisierten Deep Behavioral Networks (ADBNS). Diese Technologien ermöglichen es KI -Systemen, das normale Verhalten eines Benutzers zu verfolgen – einschließlich ihrer Ausgabe, wo sie sich anmelden und mit welchen Händlern sie interagieren – und die Flaggenabweichungen in Millisekunden.
“Visa bringt die Breite der globalen Transaktionsdaten”, sagte Vanderham von FeaturePace. “Wir bringen die Tiefe der Modellierung und des Verhaltensprofils. Eins plus eins entspricht in diesem Fall mehr als zwei.”
Laut Vanderham können FeatureSpace-Modelle bis zu 500 Verhaltensvariablen in weniger als 50 Millisekunden analysieren und neue Transaktionen mit der langfristigen Verhaltensgeschichte eines Benutzers überschreiten.
“Wenn ich jeden Morgen auf Reisen eine Debitzahlung bei Starbucks mache, erinnert das System das”, sagte er. “Wir nehmen die Transaktion ab, analysieren sie auf seine Komponenten und vergleichen sie mit historischem Verhalten sowohl auf dem Konto als auch auf der Netzwerkebene.”
Diese Unmittelbarkeit ist mehr denn je wichtig. Da digitale Zahlungen allgegenwärtig werden, können selbst leichte Unterbrechungen, die durch falsch constructive Aspekte verursacht werden, Kunden das Packen senden.
“Betrug ist nicht mehr nur eine finanzielle Expositionsmetrik”, sagte White. “Es ist eine Erfahrung, die eine Transaktion verpasst oder fälschlicherweise einen legitimen ablehnen kann, und der Kunde könnte laufen.”
Kampf gegen Betrug, bevor es beginnt
Die sich entwickelnde Natur des Betrugs ist beunruhigend. Große Sprachmodelle können jetzt Stimmen ausgeben, glaubwürdige Skripte in jeder Sprache schreiben und AI -Avatare generieren, die nicht von der realen Sache zu unterscheiden sind.
“Unser eigenes Verkaufsteam erhielt eine Tiefe von mir, als ich um vertrauliche Informationen gebeten habe”, sagte Vanderham. “Es ist nicht mehr Phishing. Dies ist Präzisions -Social Engineering mit Sprach-, Video- und Datenmanipulation.”
Betrug werden humanisierter und emotional manipulativer. Upstream -Signale wie Anmeldeverhalten, Rechnungsförderungsmuster und sogar Schreibgeschwindigkeit spielen eine erhöhte Rolle bei der Stärkung der Reaktionen in früheren Erkennungsstadien.
“Jemand baut über Tage oder Wochen Vertrauen mit einem Opfer auf”, sagte White. “Bis sie die Transaktion einleiten, sieht es gültig aus. Das Stoppen des Transaktionsebene ist zu spät.”
Noch besorgniserregender ist der Aufstieg von ruhenden Maultierkonten und Auszahlungssystemen. Ein Kunde an der US -Westküste verwendete die Werkzeuge von FeaturesPace, um einen Betrugsring abzubauen, was zu 32 Festnahmen und Hunderttausenden von Greenback erholt wurde.
“Das hält mich nachts wach”, sagte Vanderham. “Triangulierter Betrug, Deepfakes und grenzüberschreitende Ausschüsse, die in wenigen Minuten Geld abtropfen lassen.”
“Betrüger arbeiten über Grenzen hinweg und über Branchen hinweg”, sagte White. “Wir müssen als Antwort genauso einheitlich sein. Es ist kein Visumproblem, es ist kein FeaturePace -Downside – es ist ein Ökosystemproblem.”
Über die Technologie hinaus ist auch ein kultureller Verschiebung im Gange. Die Institutionen müssen nicht mehr als isolierte Knoten arbeiten und wie miteinander verbundene Netzwerke denken. Wenn es einen unmittelbaren Schritt gibt, den jede Financial institution oder Kreditgenossenschaft unternehmen sollte, ändert sich das Gespräch intern.
“Die Verhütung der Betrugsbekämpfung als Buyer Belief Initiative neu auffrischen”, sagte White. “Verlassen Sie die Denkweise der Betrugsabteilung und machen Sie es zu einer unternehmungsweiten Priorität.”
Discussion about this post