AI驱动的合成欺诈对英国金融机构的威胁日益增长：Paul Weathersby

最近，我们分享了一些见解，突出了金融服务行业的关键问题：随着英国消费者越来越依赖数字平台，合成欺诈正在上升。我们的最新数据显示，与上一年相比，2024年的合成身份欺诈案件的惊人增加了60％，这些案例现在占所有身份欺诈的近三分之一（29％）。

这种强调的是欺诈者的不断发展的策略，他们利用生成AI等先进技术来创造令人信服的假身份。随着这些欺诈性活动变得越来越复杂，金融机构不得不找到方法来更好地保护自己和消费者免受新威胁。

为了有效地解决这个不断升级的问题，金融机构必须优先考虑两种关键策略：部署尖端技术并促进协作努力。通过拥抱创新的解决方案并共同努力，他们可以增强防御能力，并确保对不断变化的欺诈景观进行强有力的保护。

了解合成欺诈

从历史上看，创建新的身份以申请金融产品，涉及将个人的敏感信息（例如国家保险号或出生日期）结合使用，具有不同的身份或伪造的个人身份信息。 这个过程很耗时，但是有了生成的AI，可以在几分钟之内进行合成欺诈。一些罪犯甚至构成了整个社交媒体帐户，以使他们的假身份更加合法。

检测合成欺诈比传统身份欺诈更具挑战性。由于综合身份与真实个人无关，因此没有人监视可能会引起警报的信用文件。结果，欺诈性帐户或信贷额度可能会延长。与身份盗用不同，真实的人可能会注意到并报告陌生的帐户，而合成欺诈则缺乏这种检测层，因此很难发现。

Generative AI还可以帮助欺诈者改变声音，并生产令人信服的假身份文件以绕过安全筛选。据信，通过AI生成的假护照数量现在可以首次超过数字化的物理文档。

人工智能的作用

幸运的是，AI解决方案也处于解决问题的最前沿。
这些高级系统可以实时分析大量数据，识别可能表明欺诈活动的模式和异常。最普遍的三种用例是：

1. 实时欺诈检测： AI算法可以在发生时监视交易，并标记可疑活动以进行进一步调查。这种实时分析对于防止欺诈发生之前至关重要，而不是事后做出反应。
2. 行为分析：AI可以分析用户行为并检测可能暗示欺诈活动的正常模式的偏差。例如，如果客户的支出习惯突然改变，则系统可以提醒金融机构进一步调查。这种方法还可以帮助将优秀的客户从转诊队列中删除，从而减少旅途中的摩擦。
3. 身份验证：采用AI驱动系统可以通过将用户信息与多个数据源一起交叉引用来增强身份验证过程。这样可以确保进行交易的人是他们说的人，从而降低了身份欺诈的风险。

最终，AI和其他先进技术的整合对英国的欺诈预防产生了重大影响。根据英国金融公司的数据，上半年，金融服务公司预示了7.1亿英镑的未经授权欺诈。 这一成功在很大程度上是由于现在已经采取了复杂的预防欺诈技术。

数据共享的作用

数据共享在防止合成方面也起着至关重要的作用？通过促进行业参与者之间的协作和信息交流欺诈。它使银行，保险公司和其他金融公司能够实时共享有关欺诈活动，可疑交易和新兴威胁的数据，从而为欺诈创造了强大的机制。

数据共享的主要好处之一是能够更有效地识别和减轻欺诈模式。通过汇总来自多个来源的数据，金融机构可以检测可能表明欺诈活动的异常和模式。这可以更快地确定如果公司孤立运营，可能会不会引起人们注意的欺诈计划。

此外，数据共享提高了欺诈检测的速度和准确性。当一家公司标记可疑交易时，可以迅速共享这些信息，从而提醒其他成员对潜在威胁。

留在领先

有趣的是，经过调查500多家金融服务公司的Experian进行的额外研究发现，只有四分之一（25％）有信心解决合成身份欺诈带来的威胁。此外，只有23％的人能够成功处理AI和Deepfake欺诈。这突出了企业现在采取行动的关键需求。虽然与欺诈的斗争是一场持续的战斗，而罪犯继续开发新的方法，但金融机构的关键是保持警惕和主动，以更新其防止金融犯罪的战略。通过利用最新的AI和数据共享技术，并促进行业合作，他们可以保持领先地位，并保护其客户。