機械学習ツールが ID 詐欺の防止にどのように役立つか

大小のほとんどの企業は、ID 詐欺に日々取り組んでおり、潜在的な ID 詐欺を特定するために、多要素認証や CAPTCHA (コンピューターと人間を区別するための完全に自動化された公開チューリング テスト) コードなどの一連のツールに依存するようになっています。 これらのツールはある程度役立ちますが、すべてを把握できるわけではありません。 Mastercard の会社である Ekata の調査によると、次のように述べています。 良い顧客は断られ、悪者が忍び寄る。 誰を信頼するかを知るのは難しいです。」

これらの課題を掘り下げ、洗練された機械学習モデルを使用して、企業が処理しているデータをよりよく理解し、ID 検証と詐欺防止を支援する方法を探ります。

合成アイデンティティ詐欺

合成ID詐欺 名前や住所などの実際の身元情報を偽の情報と組み合わせる必要があります。 その結果、新しい ID が作成され、不正検出システムを迂回するために使用される可能性があります。 時間が経つにつれて、より単純な形式の詐欺が検出しやすくなるにつれて、合成 ID 詐欺は詐欺師にとって支配的なアプローチになりました。

による ティム・スローン、メルカトル アドバイザリー グループのペイメント イノベーション担当バイス プレジデント、 合成アイデンティティ カードの家のように構築されています。 「詐欺師は、死亡した人々の社会保障番号を使用し、名前を変更し、年齢を変更し、その個人の背景を作成し、アカウントを作成する可能性があります」と彼は言いました.

そして、詐欺師が作成するアカウントが増えるほど、その身元はより信頼できるものになります。

「詐欺師は商人に行くことから始めるかもしれません。 名前、住所、電話番号で身元を明らかにする; アカウントの作成; [そして]それから買い物をします」と彼は言いました。 「そこから、彼らはそのアイデンティティに一致するクレジット カードを取得し、そのアイデンティティを構築し始めます。」

機械学習ツールはなりすまし詐欺に対処するのに役立ちます

Ekata によると、詐欺を防止しようとする企業は、「顧客は本物か」という XNUMX つの重要な質問に焦点を当てる必要があります。 そして「その顧客は、彼らが主張する通りの顧客ですか?」

そのためには、顧客とそのデジタル ID の間のリンクを確立する必要があります。 Ekata によると、これは「彼らがオンラインでどのようにやり取りし、行動しているかの分析」も提供します。

現代の詐欺システムは通常、機械学習を活用することでこれを達成できます。 基本的に、彼らはアイデンティティのさまざまなコンポーネントを調べ、サードパーティのデータを使用して何が真実で何がそうでないかを検証しています。

さらに、詐欺システムは、その人がどこからログインしているかについての情報を使用します。 「詐欺システムは、なぜニューヨークの居住者が中国の IP [インターネット プロトコル] アドレスから個人情報を取得しているのかを疑問視するでしょう」と Sloane 氏は述べています。 本質的に、最新の詐欺システムは、デバイスのフィンガープリントを使用して、顧客が主張する ID と一致するかどうかを確認します。

実際の機械学習システム

前述のように、不正検出を最適化する XNUMX つの方法は、IP アドレスやデジタル習慣など、個々のユーザーを包括的に把握することです。

詐欺防止ツールは、企業が危険信号を簡単に見つけるのに役立ちます。たとえば、Ekata Identity Engine は、次の質問に答えることで、善良な顧客と悪意のある人物を識別するのに役立ちます。

• このメールは本人のものですか？

• このアドレスは有効ですか? 住宅ですか？

• この電話番号の種類は何ですか?

• メールアドレスが最初/最後に表示されたのはいつですか?

• IPアドレスは危険ですか？

• ID 要素の使用に異常はありますか?

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

ソース: https://www.paymentsjournal.com