In che modo gli strumenti di Machine Learning aiutano a prevenire le frodi di identità

La maggior parte delle aziende, grandi e piccole, affrontano quotidianamente le frodi di identità e si affidano a una flotta di strumenti, tra cui l'autenticazione a più fattori e i codici CAPTCHA (test di Turing pubblico completamente automatizzato per distinguere computer e umani), per identificare potenziali frodi di identità. Sebbene questi strumenti aiutino in una certa misura, non catturano tutto. Secondo una ricerca di Ekata, una società Mastercard, “Non è infallibile. I buoni clienti vengono rifiutati e i cattivi attori si intrufolano. È difficile sapere di chi fidarsi”.

Ci immergiamo in queste sfide ed esploriamo come i sofisticati modelli di machine learning possono offrire alle aziende una migliore comprensione dei dati che stanno elaborando, oltre ad aiutarle con la verifica dell'identità e la protezione dalle frodi.

Frode di identità sintetica

Frode di identità sintetica comporta la combinazione di informazioni sull'identità reale, come nome e indirizzi, con informazioni false. Di conseguenza, una nuova identità può essere fabbricata e utilizzata per aggirare i sistemi di rilevamento delle frodi. Nel corso del tempo, poiché le forme più semplici di frode sono diventate più facili da rilevare, la frode sintetica dell'identità è diventata un approccio dominante per i truffatori.

Secondo Tim Sloan, Vice President of Payments Innovation presso Mercator Advisory Group, identità sintetiche sono costruiti come un castello di carte. "Un truffatore potrebbe utilizzare i numeri di previdenza sociale delle persone che sono morte, cambiare il nome, cambiare l'età, creare un background per quell'individuo e quindi creare account", ha affermato.

E più account creano i truffatori, più credibile diventa l'identità.

“I truffatori potrebbero iniziare andando da un commerciante; identificarsi con nome, indirizzo, numero di telefono; creare un account; [e] poi fare un po' di shopping", ha detto. "Da lì ottengono una carta di credito che corrisponde a quell'identità e iniziano a costruire quell'identità."

Gli strumenti di machine learning aiutano a contrastare le frodi di identità

Secondo Ekata, le aziende che cercano di prevenire le frodi dovrebbero concentrarsi su due domande importanti: "Il cliente è reale?" e "Il cliente è quello che dicono di essere?"

Ciò richiede di stabilire un collegamento tra i clienti e le loro identità digitali. Ciò fornisce anche "un'analisi di come interagiscono e si comportano online", secondo Ekata.

I moderni sistemi di frode in genere possono ottenere questo risultato sfruttando l'apprendimento automatico. Essenzialmente, stanno esaminando i vari componenti dell'identità e utilizzando dati di terze parti per convalidare ciò che è vero e ciò che non lo è.

Inoltre, un sistema di frode utilizza informazioni su dove la persona sta effettuando l'accesso. "Un sistema di frode metterà in dubbio il motivo per cui le informazioni personali di un residente di New York provengono da un indirizzo IP [protocollo Internet] in Cina", ha affermato Sloane. In sostanza, i moderni sistemi di frode rilevano l'impronta digitale del dispositivo per vedere se corrisponde all'identità dichiarata del cliente.

Sistemi di apprendimento automatico in pratica

Come accennato in precedenza, un modo per ottimizzare al meglio il rilevamento delle frodi è assicurarsi di avere una visione completa di un singolo utente, compreso il suo indirizzo IP e le sue abitudini digitali.

Uno strumento di prevenzione delle frodi può aiutare le aziende a individuare facilmente segnali d'allarme. Ad esempio, Ekata Identity Engine può aiutare a identificare buoni clienti e cattivi attori rispondendo alle seguenti domande:

• Questa email appartiene alla persona?

• Questo indirizzo è valido? È residenziale?

• Che tipo di numero di telefono è questo?

• Quando è stato visualizzato per la prima volta/l'ultima volta l'indirizzo e-mail?

• L'indirizzo IP è rischioso?

• Ci sono anomalie nell'uso degli elementi di identità?

Link: https://www.paymentsjournal.com/how-machine-learning-tools-are-helping-prevent-identity-fraud/

Fonte: https://www.paymentsjournal.com