Betrugserkennung mit KI SEON: Die Signale steigen von 900 auf über 1.100

SEON hat seine Infrastruktur für proprietäre Daten erheblich erweitert und die Anzahl der verfügbaren Signale von über 900 auf mehr als 1.100 direkt bezogene Datenpunkte erhöht. Dies ist ein technischer Sprung, der darauf abzielt, einer Bedrohung zu begegnen, die schneller wächst als traditionelle Abwehrmaßnahmen: gefälschte Identitäten, die durch künstliche Intelligenz erzeugt werden. Die Betrugserkennung mit KI SEON konzentriert sich nun auf eine viel breitere Basis von Signalen, die in der Lage ist, Adressen, Geräte, Sitzungsverhalten und Telefonhistorie zu korrelieren, um in wenigen Minuten konstruierte Profile zu entlarven.

Wichtige Punkte

• SEON erweitert die proprietären Signale zur Betrugserkennung
  • Neue Daten zu Adressen, Geräten, Telefon und Sitzungsverhalten
• Die Herausforderungen von durch KI generierten Betrügereien und die Warnungen der Branche
  • Geschwindigkeit der KI-Tools und regulatorische Warnungen
• Wie die neuen Signale zur Erkennung funktionieren
  • Digitale Geschichte und Telefondaten
  • Infrastruktur, die zwischen Adressen und Geräten geteilt wird
  • Echtzeitverhalten überwachen
• SEONs Vision zur Prävention von KI-Betrug
• FAQ
  • Welche neuen Daten hat SEON zu seiner Betrugsbekämpfungsplattform hinzugefügt?
  • Wie erschweren durch KI generierte gefälschte Identitäten die Betrugserkennung?
  • Was sagt die Financial Action Task Force über durch KI generierte Deepfakes?
  • Wie hilft die Signalintelligenz von SEON, betrügerische Netzwerke zu entlarven?

Wichtige Punkte

• SEON hat die proprietären Signale der Plattform von über 900 auf mehr als 1.100 Datenpunkte erweitert.
• Die Erweiterung umfasst Adressintelligenz, Sitzungsverhalten, Telefon- und Betreiberdaten, digitale Fußabdrücke und Gerätesignale.
• Laut der Financial Action Task Force (FATF) kann jeder mit einem Smartphone glaubwürdige Deepfakes in der Zeit erstellen, die benötigt wird, um ein Social-Media-Profil zu erstellen.
• ACAMS berichtet, dass 75 % der Fachleute für Finanzkriminalität den Missbrauch von GenAI als das wichtigste aufkommende Risiko im dritten Jahr in Folge betrachten.
• Die neuen Signale fließen in das KI Command Center von SEON ein und können in Regeln, Warnungen, Überprüfungen und Ermittlungen zu betrügerischen Netzwerken verwendet werden.

SEON erweitert die proprietären Signale zur Betrugserkennung

Die von SEON angekündigte Erweiterung betrifft fünf verschiedene Bereiche: Adressintelligenz, Sitzungsverhalten, Telefon- und Betreiberdaten, vertiefte digitale Fußabdrücke und Gerätesignale. Das erklärte Ziel ist es, den Risikoteams unabhängige Beweise auf jeder Ebene der Identität eines Kunden zu liefern, ohne zusätzliche Schritte im Nutzerpfad hinzuzufügen.

Neue Daten zu Adressen, Geräten, Telefon und Sitzungsverhalten

Jedes einzelne Signal kann für sich genommen legitim erscheinen: Eine E-Mail besteht die Validierung, ein Gerät scheint sauber zu sein, eine Adresse ist korrekt. Es ist die Kreuzung dieser Elemente, die die Anomalie offenbart. Daher arbeitet die Erweiterung der Signalintelligenz von SEON in drei parallelen Dimensionen: der Identitätsgeschichte im Laufe der Zeit, der Infrastruktur, die zwischen verbundenen Konten geteilt wird, und dem Live-Verhalten während der Sitzung. All dieser Kontext wird dann für Entscheidungen genutzt, die von automatischen Regeln, menschlichen Analysten und KI-Agenten im KI Command Center der Plattform getroffen werden, wo die neuen Signale in Regeln, Warnungen, Kundenüberprüfungen und Netzwerkuntersuchungen integriert werden. Jedes Signal kann außerdem mit den von dem Ermittler gewählten KI-Tools über den Server Model Context Protocol (MCP) von SEON verbunden werden, sodass menschliche Analysten und automatisierte Agenten auf derselben Informationsbasis arbeiten, von der Erkennung bis zur Aktion.

Die Herausforderungen von durch KI generierten Betrügereien und die Warnungen der Branche

Das Erstellen einer falschen Identität erforderte Zeit, Geduld und fast handwerkliche Arbeit: Dokumente sammeln, Formulare ausfüllen, Konten einzeln verwalten. Heute reicht eine Internetverbindung und ein Prompt. Die Werkzeuge von GenAI können in wenigen Minuten glaubwürdige Profile und konsistente Chronologien auf Geräten erstellen und verändern damit radikal die Skala, auf der Betrüger operieren.

Geschwindigkeit der KI-Tools und regulatorische Warnungen

Laut der Financial Action Task Force (FATF) kann jeder, der ein Smartphone besitzt, in der Zeit, die benötigt wird, um ein Profil in einem sozialen Netzwerk zu erstellen, ein überzeugendes Deepfake generieren. Ein Branchenbericht bestätigt das Ausmaß des Problems: ACAMS berichtet, dass 75% der Fachleute für Finanzkriminalität den Missbrauch von GenAI als das dringendste aufkommende Risiko einstufen, und das bereits im dritten Jahr in Folge. Der Betrüger wählt weiterhin Identität und Ziel, aber die KI-Agenten übernehmen die Produktion mit industrieller Geschwindigkeit: Hier wird die Betrugsprävention mit KI zu einem Wettlauf gegen die Zeit für diejenigen, die sich verteidigen müssen.

Wie die neuen Erkennungssignale funktionieren

Digitale Geschichte und Telefondaten

Die Überprüfungen des digitalen Fußabdrucks prüfen, wo eine E-Mail oder eine Telefonnummer im Laufe der Zeit über verschiedene Dienste erschienen sind. Die Abdeckung hat sich auf Plattformen für KI-Entwickler, Jobportale, Immobilienseiten und Dating-Apps ausgeweitet. Um das Bild zu vervollständigen, fügt die Phone Intelligence die Historie von SIM-Swap und Rufnummernportabilität hinzu. Zusammen ermöglichen diese Signale den Teams zu verstehen, ob eine Identität und eine Telefonnummer tatsächlich vor diesem bestimmten Zeitpunkt existieren oder ob sie ad hoc zusammengestellt wurden.

Gemeinsame Infrastruktur zwischen Adressen und Geräten

Die Address Intelligence verwandelt chaotische Adressstrings in ein Risikosignal, indem sie Adressen in über 240 Ländern überprüft und standardisiert und konsistente Identifikatoren demselben Gebäude oder derselben Wohneinheit zuweist. Dies ermöglicht es, zu entdecken, wann scheinbar nicht verbundene Konten um dieselbe Wohnungsnummer oder um Variationen der Formatierung desselben Ortes kreisen. Auf der Gerätefront identifizieren erweiterte Signale Aktivitäten von KI-Agenten, kompromittierte iOS-Geräte, Diskrepanzen zwischen Android-eSIM und Netzwerkländern sowie VPN-Verschleierungen, die die sichtbare IP-Adresse verändern. Zusammen helfen diese Elemente, Konten zu identifizieren, die mit recycelten Infrastrukturen verbunden sind, und zu bewerten, wie vertrauenswürdig die Umgebung des Geräts ist.

Echtzeitverhaltensüberwachung

Das Session Monitoring verfolgt das Verhalten des Kunden vom Onboarding über den Login, die Kontowiederherstellung, den Checkout bis zur Zahlung. Die Teams können Automatisierung, Fernzugriff, Aktivitäten außerhalb des Bildschirms und aktive Anrufe während der laufenden Sitzung erkennen und eingreifen, bevor eine verdächtige Aktivität zu einer Übernahme des Kontos wird.

SEONs Vision zur Prävention von KI-Betrug

Tamas Kadar, CEO und Mitbegründer von SEON, kommentierte die Logik hinter der Expansion: "KI hat es wirtschaftlich gemacht, eine glaubwürdige Identität zu produzieren. Was Betrüger nicht leicht im großen Maßstab tun können, ist, eine konsistente Geschichte für jedes Konto zu erstellen, ohne dieselbe Infrastruktur wiederzuverwenden. Hier macht unsere Signalbasis den Unterschied. Je mehr Dimensionen ein Betrugsbekämpfungsteam gleichzeitig überprüfen kann, desto schwieriger wird es, eine Identität zu verbergen, die die Konten nicht zusammenhält."

Die Erklärung fasst gut den strategischen Sinn der Operation zusammen: Während es immer weniger kostet, ein falsches digitales Gesicht zu erstellen, bleibt es teuer und kompliziert, es auf Dutzenden von verschiedenen Ebenen glaubwürdig zu halten. Genau auf dieses Ungleichgewicht zielt die gesamte Expansion der Signal Intelligence von SEON ab, und allgemein die Evolution des Sektors hin zu einer KI-gestützten Betrugserkennung, die Muster lesen kann, die für das menschliche Auge unsichtbar sind, aber offensichtlich werden, wenn die Daten im großen Maßstab gekreuzt werden.

FAQ

Welche neuen Daten hat SEON zu seiner Betrugsplattform hinzugefügt?

SEON hat seine Signale erweitert, indem es Adressintelligenz, Sitzungsverhalten, Telefon- und Betreiberdaten, digitale Fußabdrücke und Gerätesignale einbezogen hat.

Wie erschweren von KI generierte falsche Identitäten die Betrugserkennung?

GenAI-Tools können in wenigen Minuten glaubwürdige Profile und konsistente Gerätechronologien erstellen, was es viel schwieriger macht, falsche Identitäten mit traditionellen Methoden zu erkennen.

Was sagt die Financial Action Task Force zu von KI generierten Deepfakes?

Die FATF behauptet, dass jeder mit einem Smartphone schnell einen überzeugenden Deepfake erstellen kann, in der Zeit, die benötigt wird, um ein Profil in einem sozialen Netzwerk zu erstellen.

Wie hilft die Signal Intelligence von SEON, betrügerische Netzwerke zu entlarven?

Sie deckt Inkonsistenzen in der Identität und wiederverwendete Infrastrukturen zwischen verbundenen Konten auf, indem sie mehrere Datenebenen wie Adressen, Geräte und Telefonhistorien überprüft.

Inhalt erstellt mit Unterstützung von künstlicher Intelligenz und menschlicher redaktioneller Überprüfung.