Борьба с мошенничеством с использованием поддельных личных данных в BNPL

Сервисы "Купи сейчас, заплати позже" (BNPL) приобрели огромную популярность, предоставляя потребителям удобный доступ к кредитам. Однако этот быстрый рост также привлек мошенников, особенно тех, кто использует мошенничество с использованием синтетических личных данных. Эта сложная схема представляет серьезную угрозу для провайдеров BNPL, приводя к значительным финансовым потерям и ущербу репутации. В этой статье мы подробно рассмотрим суть мошенничества с использованием синтетических личных данных, его влияние на финтех и платежную отрасль, а также практические меры профилактики для защиты вашего бизнеса.

Ключевой вывод 1: Мошенничество с использованием синтетических личных данных включает в себя создание совершенно новой личности, используя комбинацию реальной и вымышленной информации, что затрудняет его обнаружение традиционными методами.

Ключевой вывод 2: Процесс мгновенного одобрения BNPL и относительно низкие проверки кредитоспособности делают его идеальной целью для схем с использованием синтетических личных данных.

Ключевой вывод 3: Многоуровневый подход, сочетающий продвинутую проверку личности, анализ данных и мониторинг мошенничества, имеет решающее значение для эффективной профилактики.

Ключевой вывод 4: Сотрудничество и обмен данными между провайдерами BNPL и компаниями по проверке личности жизненно важны для борьбы с этой развивающейся угрозой.

Понимание мошенничества с использованием синтетических личных данных

В отличие от традиционного кражи личных данных, когда крадется существующая личность, мошенничество с использованием синтетических личных данных включает в себя создание совершенно новой личности. Мошенники обычно комбинируют имя, адрес или дату рождения реального человека (часто из скомпрометированных утечек данных) с вымышленными номерами социального страхования и другими данными. Эта 'синтетическая' личность затем используется для открытия кредитных счетов, включая планы BNPL. Поскольку с синтетической личностью не связана существующая кредитная история, она часто не попадает в поле зрения традиционных моделей оценки рисков. Мошенник постепенно создает кредитную историю по этой вымышленной личности, делая ее кажущейся легитимной, прежде чем допустить невыплату долга.

Влияние на провайдеров BNPL

Последствия мошенничества с использованием синтетических личных данных для провайдеров BNPL серьезны. Они включают в себя:

• Финансовые потери: Прямые потери от невыплаченных кредитов и чарджбеков.
• Увеличение страховых расходов: Более высокие страховые премии и потенциальные штрафы со стороны регулирующих органов.
• Ущерб репутации: Подрыв доверия клиентов и имиджа бренда.
• Операционные издержки: Увеличение затрат, связанных с расследованием мошенничества и усилиями по возмещению убытков.

Согласно недавнему отчету Федеральной торговой комиссии, мошенничество с использованием синтетических личных данных привело к убыткам на сумму более 3 миллиардов долларов в 2022 году, и прогнозируется дальнейший рост. Сектор BNPL, с его быстрым процессом адаптации и относительно мягкими проверками кредитоспособности, особенно уязвим. Например, исследование Juniper Research оценивает, что убытки от мошенничества в BNPL превысят 3,2 миллиарда долларов во всем мире к 2026 году, причем значительный вклад внесет мошенничество с использованием синтетических личных данных.

Обнаружение синтетических личностей: передовые методы

Обнаружение синтетических личностей требует больше, чем просто базовой проверки личности. Вот разбивка методов:

Анализ данных и распознавание закономерностей

Анализ данных заявок на предмет аномалий может выявить тревожные сигналы. Сюда входят:

• Несоответствие адресов: Несоответствия между указанным адресом и общедоступными записями.
• Вариации имен: Незначительные изменения в именах или псевдонимах.
• Необычные закономерности активности: Множественные заявки с одного IP-адреса или устройства.

Анализ связей

Выявление связей между различными заявками с использованием общих точек данных. Мошенники часто используют элементы синтетических личностей в нескольких учетных записях.

Биометрический анализ поведения

Анализ поведения пользователя в процессе подачи заявки, такого как скорость набора текста, движения мыши и характеристики устройства. Отклонения от нормального поведения могут указывать на мошенническую деятельность.

Продвинутая проверка личности

Выход за рамки базовой проверки документов, включая:

• Детекция живости: Убедитесь, что заявитель - реальный человек, а не фотография или видео.
• Биометрическая аутентификация: Сопоставление лица заявителя с документом, удостоверяющим личность, и, возможно, с другими записями.
• Обогащение данных: Дополнение данных заявки информацией из внешних источников, таких как кредитные бюро и общедоступные записи.

Меры профилактики для провайдеров BNPL

Проактивный подход к предотвращению мошенничества с использованием синтетических личных данных необходим. Рассмотрите следующие меры:

• Внедрите многоуровневую проверку личности: Объедините проверку документов, обнаружение живости, биометрическую аутентификацию и обогащение данных.
• Используйте машинное обучение: Используйте модели машинного обучения для выявления закономерностей и аномалий, указывающих на мошенничество с использованием синтетических личных данных.
• Мониторинг мошенничества в режиме реального времени: Постоянно отслеживайте транзакции на предмет подозрительной активности.
• Сотрудничество и обмен данными: Делитесь данными о мошенничестве с другими провайдерами BNPL и компаниями по проверке личности.
• Будьте в курсе новых угроз: Мошенники постоянно совершенствуют свои тактики, поэтому важно быть в курсе последних тенденций.

Интеграция блокчейна и решений децентрализованной идентификации может предложить перспективные возможности для будущей профилактики мошенничества. Хотя эти технологии все еще находятся на ранней стадии развития, они предлагают потенциал для безопасного, проверяемого и защищенного от несанкционированного доступа управления идентификацией, что потенциально снизит риск мошенничества, связанного с криптовалютой.

Как помогает Didit

Didit предоставляет комплексную платформу идентификации, предназначенную для борьбы с мошенничеством с использованием синтетических личных данных в BNPL. Наше решение предлагает:

• Универсальная платформа: Объединение проверки личности, биометрической аутентификации, скрининга AML и обнаружения мошенничества в одном API.
• Продвинутое обнаружение живости: Обнаружение живости, сертифицированное iBeta Level 1, для предотвращения атак спуфинга.
• Повторное использование KYC: Позволяет пользователям пройти проверку один раз и повторно использовать свою личность на нескольких платформах, снижая трение и повышая коэффициент конверсии.
• Оркестровка рабочих процессов: Настраиваемые рабочие процессы для адаптации процессов проверки к вашему конкретному профилю риска.
• Оценка риска в реальном времени: Предоставление комплексной оценки риска на основе нескольких точек данных.

Готовы начать?

Не позволяйте мошенничеству с использованием синтетических личных данных подорвать ваш BNPL-бизнес. Закажите демонстрацию сегодня, чтобы узнать, как Didit может помочь вам защитить своих клиентов и свою прибыль. Изучите наши варианты ценообразования и убедитесь, насколько доступной может быть комплексная проверка личности.