KI und die menschliche Note
Martin Rehak, CEO von Resistente KI, erklärt, warum die Kombination von KI und Menschlichkeit der einzige Weg ist, Finanzkriminalität erfolgreich zu bekämpfen.
Im Jahr 2020 gingen in Großbritannien schätzungsweise 1.26 Milliarden £ durch Betrug verloren. In den letzten 13 Monaten wurden dem National Fraud and Cyber Crime Reporting Centre erstaunliche 449,687 Betrugsfälle gemeldet. Es ist klar, dass die heimische Finanzdienstleistungsbranche ein riesiges Problem hat – und die derzeitigen Strategien zu seiner Eindämmung funktionieren nicht.
Die Finanzbranche im Vereinigten Königreich hat, wie alle Branchen, in den letzten zwei Jahren eine enorme Beschleunigung der digitalen Transformation erlebt. Die Pandemie hat das Tempo des Übergangs zu allen Arten digitaler Interaktionen, einschließlich Online-Banking, zwangsweise erhöht. Gleichzeitig hat der Brexit im Vereinigten Königreich größere regulatorische Freiheiten ermöglicht – was ein erhöhtes Risiko mit sich bringt.
Die von Betrügern verwendeten Angriffsmethoden innerhalb der FinTech und Finanzdienstleistungen werden immer komplexer. Neue Bedrohungen tauchen immer häufiger auf, wie z. B. Kontoübernahmen, bei denen Kriminelle Zugriff auf die Kontodaten eines Benutzers erhalten, um nicht autorisierte Zahlungen vorzunehmen. Eine der häufigsten Betrugsarten im Jahr 2021 war die autorisierte Push-Zahlung (APP), bei der echte Benutzer dazu verleitet werden, eine Zahlung auf ein von einem Kriminellen kontrolliertes Konto zu autorisieren.
Solche Aktivitäten sehen für die Bank echt aus und sind ziemlich schwer zu bekämpfen. Eine weitere immer beliebtere und schwer zu entdeckende Methode ist das Vermischen echter gestohlener persönlicher Daten mit fiktiven Elementen, um eine neue Identität zu schaffen, die dann verwendet werden kann, um Kredite, Darlehen, Versicherungen und mehr zu beantragen. Kriminelle, die falsche Identitäten erstellen, spielen oft ein langes Spiel und können Monate oder sogar Jahre damit verbringen, eine scheinbar legitime Kredithistorie aufzubauen, was es noch schwieriger macht, zwischen echten und betrügerischen Kunden zu unterscheiden.
Mit immer innovativeren Betrugsmethoden müssen Unternehmen versuchen, mit den Betrügern Schritt zu halten und robuste Maßnahmen ergreifen, um sich selbst und ihre Kunden zu schützen. Im ersten Halbjahr 2021, 753.9 Mio. £ GBP wurde durch Betrug in Großbritannien gestohlen. Neben dem finanziellen Schaden riskieren Unternehmen auch Reputationsschäden und können mit Geldbußen rechnen, wenn sie gegen Geldwäsche- und andere Vorschriften verstoßen.
Die Branche ist sich bewusst, dass es schwierig sein kann, Betrug zu bekämpfen und gleichzeitig die Kundenbedürfnisse in Einklang zu bringen. Beispielsweise streben Unternehmen innerhalb des Onboarding-Prozesses danach, den Ansatz so nahtlos wie möglich zu gestalten, um potenzielle Kunden nicht abzuschrecken. Dies kann sie jedoch anfällig für betrügerisches Verhalten machen, da dies mit einer Verringerung der Sicherheit einhergehen kann. Wenn dies geschieht, besteht eine große Chance, das Kundenvertrauen zu verringern, was in einem wettbewerbsintensiven Markt vermieden werden sollte.
Betrugsbekämpfung mit KI
Das ist entscheidend FinTech und Banken gehen proaktiv gegen die Bedrohung durch Betrüger vor und sind ihnen im Idealfall immer einen Schritt voraus. Herkömmliche Reaktionen auf die Betrugserkennung beruhen stark auf menschlichem Eingreifen. Dazu gehören häufig menschliche Analystenteams, die eine große Anzahl von Ereignissen oder Anwendungen scannen – viele davon absolut legitim. Dies kann dazu führen, dass die Mitarbeiter überfordert sind und nicht in der Lage sind, einem einzelnen Fall viel Zeit zu widmen, was häufig zu erhöhten Fehlalarmen führt; ein weiterer Fehler bei der Suche nach Kundenbindung. Cyberkriminelle können dagegen häufig im großen Stil agieren, was die Gegenseite in diesem Katz-und-Maus-Spiel deutlich benachteiligt.
Um dieses Problem anzugehen, haben viele Organisationen maschinelles Lernen (ML) und künstliche Intelligenz eingeführt (AI) Tools, mit denen betrügerische Aktivitätsmuster überwacht und identifiziert werden können. Diese Tools bieten einen viel stärkeren Schutz, indem sie das Kundenverhalten sowohl während der Identifizierungs- und Verifizierungsphase als auch nach Beginn der Transaktionen forensisch untersuchen. Sie können riesige Datenmengen in viel kürzerer Zeit verarbeiten, Muster kontinuierlich bewerten und Modelle erstellen, die sich schnell an neue Betrugsmethoden anpassen können.
KI verwendet mehrere komplexe Algorithmen, um schwache Muster zu erkennen, die ein Mensch übersehen könnte. Dazu gehören verdächtiges Verhalten oder Anomalien, die auf betrügerische Aktivitäten hindeuten. Solche Anomalien können sich auf geografische Standorte, Geräteeigenschaften, Internetanbieter, verdächtige Aktivitätsspitzen oder ungewöhnliches Wechseln zwischen Konten beziehen.
Diese können dann zur weiteren Untersuchung für ein menschliches Analystenteam markiert werden, während die überwiegende Mehrheit der echten Operationen automatisch verarbeitet wird. Die „schnelle“ Natur der KI bedeutet, dass diese Muster in Echtzeit erkannt werden können, oft bevor ein Angriff stattfindet. Es kann auch ungewöhnliche Verhaltensweisen erkennen, die auf einen nie zuvor gesehenen Weg der Finanzkriminalität hinweisen könnten, was es zu einem unschätzbaren Werkzeug im laufenden Kampf gegen Kriminelle macht.
Gleichzeitig als Banken und FinTech Unternehmen erkennen die Stärke von KI und ML gegen Betrug, die Cyberkriminellen selbst nutzen auch die Vorteile, die diese Technologie ihren Operationen bietet. Finanzdienstleistungsunternehmen sollten daher noch einen Schritt weiter gehen und ausgeklügelte, hochmoderne Forensiken für Dokumente und Kundenverhalten anwenden, um synthetische Identitäten, Kontoübernahmen, Geldwäsche und andere aufkommende Arten von Finanzbetrug aufzudecken.
Das menschliche Element
In KI-Systeme zu investieren bedeutet nicht, sich vollständig auf sie zu verlassen, es ist immer auch ein Bedarf an menschlicher Note. Selbst bei einer automatisierten Betrugserkennung, die weitgehend auf einfachen Regeln basiert, ist Personal erforderlich, um solche Abwehrmaßnahmen zu implementieren und aufrechtzuerhalten. Diese Technologien sind nicht unfehlbar und können nicht das gesamte Spektrum menschlichen Verhaltens abbilden. Ihre Stärke ist ihre Fähigkeit, verdächtiges Verhalten für weitere menschliche Analysen genau zu markieren.
Dies bedeutet, dass Analystenteams viel weniger Warnmeldungen bearbeiten müssen und mehr Zeit für echte Anomalien aufwenden können, die wahrscheinlich die betrügerischen Aktivitäten widerspiegeln. Sie erhalten einen vollständigen Überblick über Transaktionen mit historischen Daten, Echtzeitanalysen und Einblicken. Fehlalarme werden erheblich reduziert und alle bestätigten Bedrohungen können bewertet und geeignete Maßnahmen ergriffen werden, um weitere betrügerische Angriffe von diesen Dritten zu blockieren und abzuschrecken.
Lesen Sie mehr:
- Ausblick: 2022 FinTech-Vorhersagen und Überlegungen
- Zilch und Mastercard geben erweiterte Partnerschaft bekannt, um die Zilch BNPL-Karte in ganz Europa einzuführen
- Die Bedeutung und das Wachstum von Bankenökosystemen
- Bringt KI die Qualitäts- und Kostenoptimierung von Unternehmensservices auf die nächste Stufe?
Die Bedeutung der Automatisierung besteht darin, dass sie den Fokus der Untersuchung eingrenzt und Analysten effektiver einsetzt. Es besteht kein Zweifel, dass die Finanzkriminalität hier bleiben wird und zu einer Untergruppe des gesamten Bereichs der Cyberkriminalität wird. Die Branche muss daher neue Technologien und Methoden einsetzen, um das Risiko zu mindern, da Kriminelle immer raffinierter werden. Indem traditionelle Gegenmaßnahmen durch eine Kombination aus ausgeklügelten forensischen Tools und menschlicher Erfahrung und Expertise ersetzt werden, wird die Fähigkeit der Branche, die Bedrohung zu bekämpfen, erheblich verbessert. Menschliche Analysten bleiben der Schlüssel, aber KI ermöglicht es ihnen, ihre Arbeit viel effektiver zu erledigen.
Klicken Sie hier, um mehr von unseren Podcasts zu entdecken
Folge uns auf LinkedIn und Twitter
