カジノサイト

人間かAIか？ FRB利下げ後の融資詐欺の発見

2024 年 9 月の米国連邦準備制度理事会の 0.5 ポイント金利引き下げにより、秋のローン活動に新たな波がもたらされました。しかし、低金利を利用して利益を得ようとしているのは借り手だけではありません。詐欺師も、人工知能 (AI) を利用して自分たちの本当の身元や意図を偽装し、その罠を仕掛けています。

AI により、本物の人間と偽物の人間を区別することがますます困難になっています。これは、詐欺師がクレジットやローンを申請し、その後融資を受ける場合に、金融機関にとって重大なリスクをもたらします。

それでは、銀行はこの新たな借り手の波の中で誰が人間なのか AI なのかをどのように判断できるのでしょうか?

個人情報の盗難および合成問題の規模

合成詐欺、は金融詐欺の一種で、実在の人物の情報が盗まれ、偽の個人情報と結合されて新しい身元が形成されます。これは、個人情報盗用詐欺と呼ばれることもあります。

合成アイデンティティ盗難には、名、姓、社会保障番号、生年月日などの正当な人物が登場する可能性があります。ちなみに、最近漏洩したデータはまさにこれです。この正当なデータは、不正な住所、電子メール アドレス、電話番号、つまり変更可能な個人識別情報 (PII) データと結合または合成されます。従来の不正監視システムでは、この種の半真実を検出するのが困難です。

合成詐欺の試みは過去 5 年間で 184% 増加し、米国で最も急速に増加している金融犯罪の 1 つとなっています。見つかりました。 2022 年から 2023 年にかけて、合成詐欺の試みは 21% 増加しました。この増加は、生成 AI がブレイクした時期と同じ時期に発生しました。

金融サービスとフィンテック企業は、脅威を制御するのに苦労しています。あ米国の詐欺とリスクの専門家 500 人のうち、半数 (50%) が、自社の合成詐欺防止はせいぜいある程度効果があると答えていると回答しました。

調査では次のことも判明しました:

• 87% の企業が偽の顧客に信用を供与している
  
  
• 53% が偽の顧客に積極的にクレジットを提供しました
  
  
• 20% は、1 件あたりの平均損失は 50,000 ドルから 100,000 ドルと推定しています
  
  
• 23% は、1 件あたりの平均損失額が 100,000 ドル以上と見積もっています
  
  

合成 ID が実際の顧客を模倣する仕組み

詐欺師が AI の使用を増やすことは避けられません。彼らの計画を前例のないレベルにまで洗練させると、事態はさらに悪化することが確実です。詐欺師はすでに、より大きな金銭的利益を得るためにアカウントを長期間にわたって育成する傾向が高まっています。

正規の顧客を模倣するように設計された合成アカウントの一般的な動作は次のとおりです:

• 獲得オンライン マーケティング広告をクリックして申し込みプロセスを開始
  
  
• メール アドレスを確認中
  
  
• 700 以上のクレジット スコアの取得
  
  
• 有効な電話番号を確認中
  
  
• オンラインでアカウントにアクセス
  
  
• 請求書支払い機能を使用して公共料金を支払う
  
  
• 会社のオンライン バンキング ポータルを使用して FICO スコアを確認
  
  
• 口座残高を最低額以上に維持する
  
  
• オンライン購入または寄付を行う
  
  

これらの動きにより、詐欺師は一見正常な金融活動のパターンを確立し、時間をかけて信用と信用を築き、何か月も秘密を保ち、その後大きな取引、つまり非常に大規模な取引を捕まえることができます。

現在の検証方法とその欠点

従来の検証技術は、詐欺師との歩調を合わせるなど、いくつかの重要な分野で失敗しています。ウェイクフィールド・リサーチの調査対象者の半数以上によると、合成詐欺の検出を回避する彼らの能力は、それらを検出するために設計されたセキュリティ対策よりも速いスピードで向上しているという。これは、AI が現在の検出方法に適応してそれを克服できる合成 ID の作成に役立っていることを示唆しています。さらに悪いことに、企業の次善の顧客のように見せるために ID を微調整することもあります。

従来のパッシブ本人確認システムは、消費者との対話を必要としないテクノロジーであり、基本的には口座を開こうとしている消費者が実際に本人であることを舞台裏で確認するものです。だまされることが増えているため、銀行はリスク アルゴリズムを調整して、何がだまされているかを検出しようとしています。一部の不正行為の捕捉は増加していますが、不正行為は正規の顧客を犠牲にして発生しており、正規の顧客はさらなる摩擦にさらされています。

合成詐欺の試みは過去 5 年間で 184% 増加しました。

既存の受動的アイデンティティ肯定チェックでは曖昧さが生じます。たとえば、このような侵害データには、実際の PII、社会保障番号、名、姓、生年月日が含まれており、これらを古い地理位置情報の電子メールや、安価な電話プランで提供される正規の電話番号にマッピングして、詐欺師を非常に現実的に見せることができます。

実際、詐欺師は、銀行が獲得マーケティング キャンペーンを通じて勧誘している理想的な顧客に合わせてアイデンティティを「調整」しています。詐欺師の脅威ベクトルは、多くの場合、銀行が新規顧客を獲得するために実行している実際の広告をクリックすることから始まります。

これを阻止するために、銀行は手動審査を実施し、不正分析アナリストが申請書を精査し、潜在的な顧客の信頼性を判断する場合があります。これには時間がかかり、運用コストがかかります。さらに悪いことに、正当な申請者が摩擦を理由に申請を放棄し、他の場所に申請する可能性があり、銀行は顧客獲得コストと生涯価値の損失を被る可能性があります。

代わりに、この総合的な災難から一歩を勝ち取りたいと考えている金融サービスおよびフィンテック企業は、多層的な検証アプローチを実装する必要があります。

人間と AI 借り手を区別するための戦略

高度なデータ分析、機械学習、そしてそうです、AI は、金融機関が火を消して消火し、人間が見逃してしまう可能性のあるパターンや異常について大量のデータを処理するのに役立ちます。

機械学習アルゴリズムを使用して履歴データを分析し、偽物の共通の特徴を特定できます。 AI 主導の詐欺環境において大規模な個人情報詐欺を解決する鍵となるのは、オンライン消費者の「生活の 1 日」を追跡し、幅広いオンライン アクティビティにわたって消費者を最新性と頻度で把握する膨大なデータ資産です。

深層学習ニューラル ネットワーク、エンティティの埋め込み、および一般化された分類を使用すると、オンラインでのアイデンティティの活動の異常を表面化できます。本物の人間は予測可能であるため、時間の経過とともにオンラインでの活動が変化したアイデンティティは、偽の人間であることを明確に示しています。 

高度なデータ分析は、多くのソースにわたるデータを関連付けて身元主張を検証するのに役立ちます。上で説明したように、幅広いオンライン活動と消費者に対するトップダウンの視点により、アイデンティティが不正に動作しているかどうかを確認する方法が提供されます。たとえば、ある身元が毎週火曜日の太平洋時間午前 7 時 15 分ちょうどにメディア Web サイトでコメントをした場合、本物の人間はそれほど正確ではないため、それは明らかに偽物です。

AI 主導のシステムは、不正行為を示す可能性のあるアプリケーション データの微妙な不一致を検出できます。グラフ データベース テクノロジーを使用すると、ID 間および ID 内の両方のアクティビティの異常を表面化できます。

たとえば、1 つの ID は銀行の次善の顧客のように見えるかもしれませんが、オンライン アクティビティをトップダウンで見ると、その ID のオンライン アクティビティが他の 17 の ID とともに AI によって調整されていることがわかります。彼らはグループとして同じ活動を行っているため、17 人のアイデンティティはすべて偽物です。

行動分析とデジタル アクティビティのパターン認識は、不審な人物やアクティビティを特定するのに役立ちます。

応募者のオンライン活動パターンを応募前に追跡するデータにアクセスできれば、潜在的な新規顧客と詐欺師の真実性について、驚くべき洞察が得られます。

成功した防御は、出現する新しいパターンから学習しながら、時間の経過とともに適応し、改善されます。彼らの分析は、個々のアカウントを超えて、合成アイデンティティのネットワークにまで及ぶ可能性があります。

高度な技術を組み合わせることで、金融機関は脅威に対抗するための備えを強化できます。

アリ・ジャコビーは、Ducuce の創設者兼 CEO です。彼は成功した連続起業家であり、データ、プライバシー、セキュリティの交差点の橋渡しに 20 年近くを費やした後、重要な詐欺データへのアクセスの民主化に尽力したソート リーダーです。