Сеон расширил антифрод-сигналы против ИИ-подделок личности

Сеон (SEON), ИИ-центр управления для предотвращения мошенничества и соблюдения требований ПОД/ФТ (противодействие отмыванию денег), сегодня объявил о расширении платформы «Сигнальная аналитика» (Signal Intelligence): ее база сигналов выросла с более чем 900 до свыше 1100 собственных, напрямую получаемых точек данных. Новое покрытие включает аналитику адресов, поведение в сессиях, а также данные о телефонах и операторах связи наряду с более глубокими сигналами цифрового следа и устройств. Расширение помогает командам по управлению рисками выявлять несоответствия в личных данных и инфраструктуру, связывающую мошеннические сети, не добавляя лишних шагов в путь клиента.

Определить, настоящий ли перед вами клиент, становится все труднее. Раньше мошенникам приходилось собирать подтверждения личности, заполнять каждую форму и управлять учетными записями по одной. Подделка личности клиента когда-то требовала усилий; теперь для этого достаточно подключения к интернету и промпта. Инструменты генеративного ИИ за считаные минуты создают правдоподобные профили и согласованную историю устройств. По данным Группы разработки финансовых мер борьбы с отмыванием денег (ФАТФ, FATF), любой владелец смартфона может создать убедительный дипфейк за то время, которое требуется для создания профиля в соцсети. Ассоциация ACAMS (Ассоциация сертифицированных специалистов по борьбе с отмыванием денег) сообщает, что 75% специалистов по противодействию финансовым преступлениям уже третий год подряд называют злоупотребление генеративным ИИ главным новым риском. Хотя личность и цель по-прежнему выбирает мошенник, само «производство» с машинной скоростью берут на себя ИИ-агенты.

Сложность для антифрод-команд в том, что каждый отдельный сигнал сам по себе может выглядеть легитимным. Электронный адрес проходит проверку. Устройство кажется чистым. Адрес подтверждается. Мошенничество становится заметным, только когда эти сигналы сверяются друг с другом. Расширение Сеона дает командам по управлению рисками больше независимых доказательств на каждом из этих уровней и создает дополнительные возможности выявить, что было сфабриковано, что использовано повторно, а что изменилось. Оно углубляет три составляющие картины личности — историю, связанную инфраструктуру и поведение в реальном времени — и затем подкрепляет этим контекстом последующие решения, принимаемые правилами, аналитиками и ИИ-агентами.

Раскрыть историю, которую ИИ не может создать мгновенно

• Проверки цифрового следа (Digital Footprint) показывают, где электронный адрес или номер телефона встречается в сервисах, которыми люди пользуются на протяжении времени. Расширенное покрытие включает платформы для ИИ-разработчиков, сайты вакансий, порталы недвижимости и приложения для знакомств.
• Модуль «Аналитика телефонов» (Phone Intelligence) добавляет историю подмены SIM-карт (SIM-swap) и переноса номеров.
• В совокупности эти сигналы помогают командам оценить, существовали ли личность и номер телефона за пределами текущего момента.

Выявить инфраструктуру, которую мошеннические сети используют повторно

• Модуль «Аналитика адресов» (Address Intelligence) превращает неупорядоченные адресные строки в сигнал риска: он проверяет и стандартизирует адреса в более чем 240 странах и присваивает единые идентификаторы конкретному адресу и зданию. Эти идентификаторы показывают, когда не связанные между собой учетные записи перебирают номера квартир или варианты написания по одному и тому же адресу.
• Расширенные сигналы модуля «Аналитика устройств» (Device Intelligence) также выявляют активность ИИ-агентов, скомпрометированные устройства на iOS, несоответствия eSIM на Android и расхождения в стране сети, когда VPN скрывает видимый IP-адрес.
• В совокупности эти сигналы помогают командам обнаруживать учетные записи, связанные с повторно используемой инфраструктурой, и оценивать, можно ли доверять среде устройства.

Понимать намерения по мере их развития

• Модуль «Мониторинг сессий» (Session Monitoring) отслеживает поведение клиента от онбординга до входа в систему, восстановления доступа к аккаунту, оформления заказа и оплаты.
• Команды могут выявлять автоматизацию, удаленный доступ, активность за пределами экрана и активные звонки прямо во время сессии, чтобы вмешаться до того, как подозрительная активность обернется захватом аккаунта.

Повысить точность каждого решения — и агентов, и людей — за счет более широкого контекста сигналов

• В ИИ-центре управления Сеона (AI Command Center) антифрод-команды и команды по управлению рисками могут использовать новые сигналы в правилах, оповещениях, проверках клиентов и сетевых расследованиях, чтобы каждое решение опиралось на полную картину.
• Каждый сигнал из этого расширения также можно подключить к выбранным следователем ИИ-инструментам через сервер Model Context Protocol (MCP, протокол передачи контекста моделям) компании Сеон, чтобы агенты делали выводы на основе реальных доказательств, имея весь контекст в одном месте.
• Аналитики-люди и ИИ-агенты могут работать на единой базе сигналов, перенося доказательства от обнаружения к расследованию и действиям.

«ИИ сделал создание правдоподобной личности дешевым. Чего мошенники не могут легко сделать в больших масштабах, так это выстроить согласованную историю для каждой учетной записи, не используя повторно инфраструктуру, — заявил Тамаш Кадар (Tamas Kadar), генеральный директор и сооснователь Сеона. — Именно здесь наша база сигналов играет решающую роль. Чем больше измерений антифрод-команда может проверить одновременно, тем сложнее скрыть личность, которая не сходится».

Сеон также запустил серию «Файлы скрытых рисков» (Hidden Risk Files) — короткие расследования, написанные его консультантами по мошенничеству, которые показывают, как конкретные сигналы выявляют мошенничество, упущенное другими. Каждый случай начинается с одной подозрительной зацепки и прослеживает ее до общей инфраструктуры, стоящей за более широкой мошеннической сетью. Серия дает руководителям антифрод-подразделений практическое представление о том, как сигнальная аналитика меняет ход расследования. В первом выпуске рассказывается, как единственный атрибут устройства — показатель яркости экрана — связал тысячи учетных записей мошеннической сети, работавшей на реальных устройствах Android.