Мошенничество с использованием вымышленных личностей: обнаружение и предотвращение

Мошенничество с использованием вымышленных личностей – это стремительно растущая форма кражи личных данных, обходящаяся финансовым учреждениям в сумму около 20 миллиардов долларов ежегодно только в Соединенных Штатах. В отличие от традиционной кражи личных данных, которая предполагает присвоение существующей личности, мошенничество с использованием вымышленных личностей опирается на создание совершенно новых, сфабрикованных личностей. Это значительно усложняет его обнаружение и предотвращение. В этой статье мы подробно рассмотрим особенности мошенничества с использованием вымышленных личностей, изучим, как оно работает, какие методы обнаружения используются и как такие платформы, как Didit, внедряют инновации для борьбы с этой растущей угрозой.

Ключевой вывод 1: Мошенничество с использованием вымышленных личностей использует полностью сфабрикованную информацию для создания новой личности, в отличие от традиционной кражи личных данных, которая использует существующие.

Ключевой вывод 2: Обнаружение во многом зависит от анализа данных и выявления закономерностей, отклоняющихся от законных профилей личности.

Ключевой вывод 3: Раннее обнаружение имеет решающее значение, поскольку вымышленные личности часто создаются постепенно со временем для установления кредитоспособности.

Ключевой вывод 4: Необходимы проактивные стратегии предотвращения мошенничества, включающие несколько точек данных и машинное обучение, для снижения риска.

Что такое мошенничество с использованием вымышленных личностей?

Мошенничество с использованием вымышленных личностей происходит, когда преступники объединяют реальную и сфабрикованную информацию для создания совершенно новой личности. Это часто включает использование реального номера социального страхования (SSN) в сочетании с вымышленным именем и адресом или наоборот. Преступники затем используют эту вымышленную личность для подачи заявок на кредитные карты, кредиты и другие финансовые продукты. Первоначальные кредитные линии часто невелики, но мошенники усердно производят платежи для создания кредитной истории, постепенно увеличивая свою кредитоспособность. Этот медленный и устойчивый подход затрудняет раннее обнаружение мошенничества кредиторами.

Федеральная торговая комиссия (FTC) сообщает, что мошенничество с использованием вымышленных личностей составляет растущий процент от всех случаев мошенничества с использованием личности. Отчет за 2022 год показал, что мошенничество с использованием вымышленных личностей является наиболее распространенным типом кражи личных данных, зарегистрированным в FTC, что составляет 19% всех инцидентов.

Как создаются вымышленные личности

Создание вымышленной личности – это многоэтапный процесс. Типичный сценарий выглядит следующим образом:

1. Получение данных: Преступники получают персональную идентифицируемую информацию (PII) в результате утечек данных, фишинговых атак или даркнета. Это может включать в себя законные имена, адреса и даже SSN (часто умерших).
2. Фабрикация личности: Они объединяют эту реальную PII с вымышленными элементами, такими как ложная дата рождения или вымышленный адрес.
3. Создание кредитной истории: Вымышленная личность используется для подачи заявок на небольшие кредиты или кредитные карты. Последовательные и своевременные платежи вносятся для установления положительной кредитной истории.
4. Эксплуатация: Как только надежная кредитная история установлена, мошенник использует кредитные линии до максимума или получает более крупные кредиты, часто исчезая без погашения.

Обнаружение мошенничества с использованием вымышленных личностей

Обнаружение мошенничества с использованием вымышленных личностей является сложной задачей, поскольку эти личности изначально кажутся законными. Традиционные методы обнаружения мошенничества, которые полагаются на сопоставление с существующими базами данных известных мошенников, часто неэффективны. Эффективное обнаружение требует более сложного подхода, использующего расширенный анализ данных и машинное обучение.

К ключевым методам обнаружения относятся:

• Анализ истории адресов: Изучение согласованности и действительности истории адресов, связанной с личностью. Частые смены адреса или адреса, связанные с несколькими лицами, являются тревожными сигналами.
• Проверка SSN: Хотя это и не является безошибочным, проверка SSN по базам данных умерших или проверка его действительности через кредитные бюро может выявить подозрительную активность.
• Поведенческий анализ: Анализ закономерностей заявок, таких как время подачи заявок, используемые устройства и местоположение IP-адреса.
• Анализ связей: Выявление связей между различными заявками и личностями. Например, несколько заявок, использующих похожую, но немного отличающуюся информацию.
• Модели машинного обучения: Обучение моделей машинного обучения на исторических данных о мошенничестве для выявления закономерностей и аномалий, указывающих на мошенничество с использованием вымышленных личностей.

Роль технологий в предотвращении мошенничества

Современные технологии играют важную роль в борьбе с мошенничеством с использованием вымышленных личностей. Платформы проверки личности, такие как Didit, используют многоуровневый подход, сочетающий различные методы проверки для обнаружения и предотвращения мошеннических заявок. Платформа Didit включает в себя:

• Проверка документов: Аутентификация действительности удостоверений личности с использованием искусственного интеллекта, анализа изображений и извлечения данных.
• Биометрическая проверка: Подтверждение личности заявителя с помощью распознавания лиц и обнаружения признаков жизни.
• Обогащение данных: Дополнение данных заявки внешними источниками данных для проверки предоставленной информации.
• Оценка рисков: Присвоение оценки риска каждой заявке на основе различных факторов, включая несоответствия данных, поведенческие закономерности и внешние источники данных.

Как Didit помогает

All-in-one платформа Didit обеспечивает надежные возможности предотвращения мошенничества, специально разработанные для обнаружения и смягчения мошенничества с использованием вымышленных личностей. Наша платформа предлагает:

• Оценка рисков в режиме реального времени: Мгновенная оценка риска, связанного с каждой заявкой.
• Настраиваемые рабочие процессы: Адаптация процессов проверки к конкретным профилям риска и потребностям бизнеса.
• Комплексный анализ данных: Использование расширенной аналитики для выявления закономерностей и аномалий, указывающих на мошенническую деятельность.
• Масштабируемая инфраструктура: Обработка больших объемов заявок без ущерба для точности или скорости.
• Постоянный мониторинг: Непрерывный мониторинг новых тенденций и закономерностей мошенничества.

Интегрируя Didit в свой процесс регистрации, финансовые учреждения могут значительно снизить свою подверженность мошенничеству с использованием вымышленных личностей и защитить свою прибыль.

Готовы начать?

Не позволяйте мошенничеству с использованием вымышленных личностей повлиять на ваш бизнес. Защитите свою организацию с помощью передовых решений Didit для проверки личности и предотвращения мошенничества.

Закажите демонстрацию, чтобы узнать, как Didit может помочь вам бороться с мошенничеством с использованием вымышленных личностей и защитить свои активы.

Ознакомьтесь с нашими ценами, чтобы найти план, соответствующий вашим потребностям.

FAQ

Какие самые большие проблемы в обнаружении мошенничества с использованием вымышленных личностей?

Самая большая проблема заключается в том, что вымышленные личности изначально кажутся законными, часто создаются постепенно со временем с последовательной историей платежей. Это затрудняет их отделение от реальных личностей с использованием традиционных методов обнаружения мошенничества. Отсутствие предыдущей истории мошенничества также затрудняет обнаружение.

Как машинное обучение может помочь предотвратить мошенничество с использованием вымышленных личностей?

Алгоритмы машинного обучения могут анализировать огромные объемы данных для выявления закономерностей и аномалий, указывающих на мошенничество с использованием вымышленных личностей. Эти модели могут научиться распознавать тонкие показатели, которые могут упустить из виду аналитики, такие как несоответствия в истории адресов, необычные закономерности заявок или связи между, казалось бы, несвязанными заявками.

Какова стоимость мошенничества с использованием вымышленных личностей для финансовых учреждений?

Стоимость значительна – оценивается более чем в 20 миллиардов долларов ежегодно только в США. Это включает в себя убытки от невозвращенных кредитов, отзывов платежей и затрат на расследование и предотвращение мошенничества. Косвенные затраты, такие как ущерб репутации, также значительны.

Можно ли полностью устранить мошенничество с использованием вымышленных личностей?

Хотя полностью устранить мошенничество с использованием вымышленных личностей маловероятно, проактивные стратегии предотвращения мошенничества и передовые технологии обнаружения могут значительно снизить его воздействие. Необходим многоуровневый подход, сочетающий анализ данных, машинное обучение и надежные процессы проверки личности.