Как инструменты цифрового удостоверения борются с кражей личных данных?
вычисления techradar.com Новости

Как инструменты цифрового удостоверения борются с кражей личных данных?

16 июня 2022 г.

По данным UK Finance, в 2019 году потери от несанкционированного финансового мошенничества при использовании платежных карт, дистанционного банковского обслуживания и чеков составили 824,8 млн фунтов стерлингов. Одним из видов мошенничества, который в значительной степени способствует таким потерям, является кража личных данных, которая в последние годы стала серьезной проблемой. Меры по борьбе с мошенничеством, предназначенные для обнаружения кражи личных данных, вынуждают мошенников находить способы обмана людей, что приводит к появлению новых и постоянно развивающихся типологий мошенничества, которые все труднее обнаружить и остановить.

Например, в мошенничестве с захватом учетных записей: преступник использует информацию, украденную с помощью фишинга, чтобы получить доступ к учетной записи человека, совершить несанкционированные платежи или подать заявку на кредит. Сложность обнаружения мошенничества заключается в том, что создается впечатление, что клиент входит в свою учетную запись. В результате тревога может быть поднята только тогда, когда клиент заметит аномальную активность в своей учетной записи.

Еще сложнее обнаружить мошенничество с синтетической идентификацией, иногда называемое мошенничеством Франкенштейна, когда преступники создают личность, объединяя фактическую информацию, украденную из различных источников, чтобы создать совершенно новую личность. Со временем мошенники укрепляют легитимность своей личности, становясь образцовыми клиентами банковских счетов и краткосрочных кредитов, всегда вовремя платя, чтобы набрать очки. В конце концов, они «обналичивают» — одновременно запрашивая максимально возможную сумму кредита, не собираясь платить.

Согласно недавнему исследованию, мошенничество с захватом учетных записей составляет 19 % всех случаев мошенничества со стороны третьих лиц (где крадут данные людей), а на мошенничество с искусственными идентификационными данными приходится 15 % всех случаев мошенничества с использованием первых лиц в Великобритании. Другими словами, это массовые проблемы. Так как же нам с ними справиться?

Инструменты цифровой идентификации

Инструменты цифровой идентификации — важнейшее оружие в борьбе с кражей личных данных. На базовом уровне они используют ограниченный набор атрибутов, таких как имя, дата рождения, данные бюро кредитных историй и данные списка избирателей, чтобы идентифицировать рассматриваемое лицо и определить вероятность его подлинности. Но, как мы уже слышали, их легко украсть или подделать.

В этом могут помочь передовые технологии. Новейшие инструменты цифровой идентификации анализируют более широкий набор атрибутов, начиная с момента, когда «клиент» пытается войти в систему. Они могут включать в себя поведенческие характеристики, которые проверяют установленные модели поведения, уникальные для отдельного человека — то, как они вводят свои данные, как быстро они печатают, как они держат свое устройство или физические характеристики, такие как устройство, которое они используют, и их местоположение в мире. Измерение этих атрибутов помогает компаниям оценивать риски еще до успешного входа в систему и динамически добавлять дополнительные уровни аутентификации за миллисекунды, если есть подозрения, что это не настоящий клиент.

Другие уровни цифровой безопасности используют аутентификацию на основе знаний. (KBA), одноразовые пароли (OTP) и расширенные биометрические данные, такие как тесты на живучесть и распознавание лиц, чтобы добавить дополнительные уровни безопасности, предназначенные для предотвращения использования мошенниками украденных данных. Эти методы многофакторной аутентификации позволяют компаниям аутентифицировать людей с гораздо большей вероятностью успеха, а также улучшать и ускорять работу с реальными клиентами.

Борьба с мошенниками, использующими поддельные удостоверения личности, сложнее, но технологии могут помочь. Используя инструменты машинного обучения искусственного интеллекта, фирмы могут анализировать обширные наборы данных о клиентах, чтобы обнаруживать закономерности и связи между общими атрибутами, такими как адрес и номер телефона, чтобы выявить потенциальные сети мошенничества, которые в противном случае остались бы невидимыми.

Оригинал

Recent Post

Categories

PREVIOUS ARTICLE
NEXT ARTICLE