Поддельные Личности: Выявление и Предотвращение

Ключевой вывод 1 Мошенничество с поддельными личностями основано на создании совершенно новых личностей с использованием комбинации реальной и вымышленной личной идентифицируемой информации (PII).

Ключевой вывод 2 Выявление поддельных личностей требует многоуровневого подхода, выходящего за рамки традиционной проверки личности, с использованием поведенческой аналитики и корреляции данных.

Ключевой вывод 3 Проактивные API для обнаружения мошенничества могут значительно снизить убытки, связанные с мошенничеством с поддельными личностями, путем выявления и пометки подозрительных заявок на ранней стадии.

Ключевой вывод 4 По мере развития ИИ будет развиваться и создание поддельных личностей; непрерывная адаптация методов обнаружения имеет жизненно важное значение.

Понимание Мошенничества с Поддельными Личностями

Мошенничество с поддельными личностями – это быстрорастущий вид мошенничества, который включает в себя использование комбинации реальной и вымышленной личной идентифицируемой информации (PII) для создания совершенно новой личности. В отличие от традиционной кражи личных данных, которая включает в себя захват существующей личности, мошенничество с поддельными личностями создает «фантомную» личность, которой никогда не существовало. Это часто делается путем объединения реального имени с поддельным номером социального страхования (SSN), датой рождения и адресом. Затем мошенники создают кредитную историю для этой поддельной личности, часто подавая заявки и получая кредиты, кредитные карты и другие формы кредита. Сеть по борьбе с финансовыми преступлениями (FinCEN) оценивает, что мошенничество с поддельными личностями привело к убыткам в размере 6 миллиардов долларов только в 2016 году, и эта цифра продолжает расти, достигнув примерно 20 миллиардов долларов в 2023 году. Это мошенничество особенно сложно обнаружить, поскольку у поддельной личности нет существующей истории мошенничества, которая могла бы ее выявить. Традиционные методы проверки личности, основанные на сопоставлении с существующими базами данных, часто неэффективны. Сложность этих схем растет, поскольку мошенники используют все более реалистичные вымышленные данные и применяют методы для избежания обнаружения.

Как Создаются Поддельные Личности

Создание поддельной личности обычно следует определенному шаблону. Мошенники часто начинают с получения реального имени и файла кредитного бюро (CRA). Этого можно достичь в результате утечек данных, фишинговых атак или даже покупки личной информации в даркнете. Затем они генерируют поддельный SSN, часто используя установленные закономерности, чтобы убедиться в его достоверности. Этот поддельный SSN затем объединяется с реальным именем и вымышленным адресом. После создания поддельной личности мошенник начинает формировать кредитный профиль. Это включает в себя открытие небольших счетов, таких как обеспеченные кредитные карты или кредитные линии розничных магазинов, и своевременное внесение платежей для установления положительной кредитной истории. Как только кредитный профиль сформирован, мошенник может подать заявку на более крупные кредиты и кредитные линии, часто максимально используя кредитные лимиты, а затем не выплачивая долг.

Роль API в Обнаружении

Обнаружение поддельных личностей требует более сложного подхода, чем традиционная проверка личности. Именно здесь в игру вступают передовые API. API, предлагающие обогащение данных и корреляцию, могут помочь выявить аномалии и несоответствия, которые могут указывать на поддельную личность. В частности, API могут выполнять следующие проверки:

• Кросс-устройства анализ: Определение, поступила ли заявка с подозрительного устройства или сети.
• Поведенческая биометрия: Анализ скорости набора текста, движений мыши и других поведенческих закономерностей для обнаружения аномалий.
• Корреляция точек данных: Проверка на наличие несоответствий между различными точками данных, такими как адрес и номер телефона.
• Проверки скорости: Выявление заявок, которые подаются быстро или из нескольких мест.
• Проверка номера социального страхования (SSN): Использование специализированных API для проверки достоверности SSN, включая проверку по записям о смерти и другим базам данных.

Платформа Didit Identity предлагает набор API, предназначенных для снижения мошенничества с поддельными личностями, включая расширенные инструменты обогащения данных и поведенческого анализа, ко всем из которых можно получить доступ через единую интеграцию.

Продвинутые Методы Обнаружения Мошенничества

Помимо интеграции API, необходимы более продвинутые методы обнаружения мошенничества. Модели машинного обучения (ML) могут быть обучены для выявления закономерностей и аномалий, указывающих на поддельные личности. Эти модели могут анализировать огромные объемы данных, включая данные заявки, данные кредитного бюро и отчеты о мошенничестве, для выявления заявок с высоким риском. Еще одной техникой является сетевой анализ. Он включает в себя отображение взаимосвязей между различными сущностями, такими как адреса, номера телефонов и SSN, для выявления подозрительных связей. Например, если несколько заявок связаны с одним и тем же поддельным адресом или SSN, это может быть признаком мошенничества с поддельными личностями. Кроме того, использование отпечатков устройств и геолокации IP-адресов может предоставить ценную информацию. Расхождения между указанным местоположением заявителя и его IP-адресом или использование виртуальной частной сети (VPN) могут вызвать тревогу. Чем больше точек данных анализируется, тем точнее будет обнаружение мошенничества.

Как Didit Помогает

Didit предоставляет комплексное решение для борьбы с мошенничеством с поддельными личностями. Наша платформа сочетает в себе несколько уровней безопасности, включая:

• Проверка документов: Надежная проверка удостоверений личности с обнаружением подделок и извлечением данных.
• Биометрическая аутентификация: Обнаружение жизни и сопоставление лиц для обеспечения того, чтобы заявитель был реальным человеком.
• AML-скрининг: Проверка по глобальным спискам наблюдения для выявления потенциальных мошенников.
• Сигналы о мошенничестве: Анализ IP-адреса, данных устройства и поведенческих сигналов для обнаружения подозрительной активности.
• Оркестровка рабочих процессов: Настраиваемые рабочие процессы для адаптации к меняющимся тенденциям мошенничества.

Подход Didit, основанный на API, позволяет беспрепятственно интегрироваться с существующими системами предотвращения мошенничества, предоставляя гибкое и масштабируемое решение для бизнеса любого размера.

Готовы начать?

Не позволяйте мошенничеству с поддельными личностями повлиять на ваш бизнес. Свяжитесь с Didit сегодня, чтобы получить демонстрацию и узнать, как наша платформа может помочь вам защитить свою прибыль. Запросить Демо | Просмотреть Цены