当完美客户竟是合成身份：金融反欺诈的新挑战

人们可能会认为合成身份欺诈没有受害者，他们认为假身份不属于真实的人，因此没有人会受到伤害，但这种假设是错误的。

犯罪分子通过组合被盗的个人信息片段，如社会安全号码、姓名和出生日期，来创建假身份，这种欺诈类型通常被称为“弗兰肯斯坦欺诈”，因为它将真实和虚假的成分缝合在一起，形成一个新的、令人信服的假身份。

欺诈者可能会伪装成可信的借款人，持续数月甚至数年以建立信用记录，并获取更大额度的贷款，一旦他们获得大量信用额度，就会透支账户并消失，由于合成身份不属于真实的人，这种欺诈很难被发现，甚至更难被起诉，许多银行将这些视为常规的贷款违约，掩盖了欺诈的真实程度。

根据Sumsub的数据，涉及假文件的合成身份欺诈已经增加了超过300%。

检测合成身份之所以困难，是因为它需要结合来自多个来源的数据，这些来源包括政府记录、信用局和电话公司，由于技术、法律或隐私方面的挑战，这些企业往往无法很好地共享数据，因此，信息不完整或难以获取。

合成身份旨在模仿真实的信用活动。例如，欺诈者可能会使用假的社会安全号码结合真实的支付历史，这使得他们的记录看起来真实，难以与真正的消费者数据区分开来，信用评分系统和欺诈检测工具往往无法识别这些假身份。

随着时间的推移，合成身份会降低信用数据库的准确性，这会导致信用评分变得不可靠，贷款人因此面临更大的风险，他们可能会批准高风险借款人的贷款，或拒绝给值得信任的客户提供信用，这可能导致经济损失。

消费者：当犯罪分子使用被盗数据时，受害者可能会面临信用评分受损、收到他们未产生的债务的催收通知，以及需要经历漫长且昂贵的过程来清除他们的记录。

金融机构：德勤预计，到2030年，合成身份欺诈将造成至少230亿美元的损失，这些损失会减少利润，并导致金融机构收紧贷款标准。

其他借款人：为了弥补这些损失，贷款人可能会提高利率或限制信用获取，这会使借款对每个人来说都变得更昂贵和困难。

经济：欺诈会影响信用数据的准确性，从而削弱风险评估工具的有效性，这会导致更多的不良贷款和整体经济增长放缓。

为什么欺诈者会针对儿童?因为儿童通常没有信用记录、没有贷款，也没有信用报告上的警报，这使得犯罪分子更容易使用他们的信息来创建假信用档案。

欺诈者尤其针对儿童的社会安全号码，这些号码通常在孩子长大之前不会被激活，这意味着它们可以与任何姓名和出生日期配对，以创建假身份。

父母很少检查孩子的信用报告，但这样做可以及早发现欺诈，并防止多年的损害。

此外，向儿童宣传保护个人信息的重要性，并让他们小心在网站和应用上分享的细节，也是很重要的。

经常成为攻击目标的企业应该相互合作并共享数据，使用合成身份的犯罪分子经常在多个组织之间活动，因此一个共享的数据库可以帮助发现可疑的模式。

此外，结合文件验证、生物识别认证和基于知识的问题，可以加强身份验证，并减少对任何单一方法的依赖。

欺诈者使用GenAI来创建超逼真的假文件，包括护照、身份证和生物识别记录，这些伪造品经常能够欺骗自动化验证系统，甚至人类审查者，使它们在数字入职或远程身份检查中变得危险。

另一方面，金融机构则使用AI和机器学习来反击，正如AuthenticID的总裁Blair Cohen所解释的：“AI驱动的欺诈检测系统利用机器学习来准确识别欺诈模式。例如，异常检测算法会分析交易数据，以标记表明合成身份欺诈的不规则性，并不断从新数据和不断演变的欺诈策略中学习，以提高其有效性。