Kiom financaj fraŭdoj povas esti malhelpita de granda datumo?

Financaj fraŭdaj metodoj estas fariĝantaj pli altnivelaj kaj la teknikoj kontraŭbatali tiajn atakojn ankaŭ devi evolui. Financaj institucioj estis investanta sur malhelpanta kaj kontraŭbatalanta fraŭdajn atakojn sed la etendo kaj naturo de financa fraŭdo daŭras ŝanĝi. Dum eliminanta financajn fraŭdojn ne estas praktika celo, Estas bezono evolui la vojojn fraŭdaj atakoj estas traktita. Klare, La paradigm bezonoj ŝanĝi kaj granda datumo, Ĝi aperas, Estas tutnova kaj potenciale potenca armilo. Granda datumo alportis kun ĝi tutnova fraŭda malkaŝo kaj malhelpaj teknikoj kiel konduta analizo kaj vera-tempa malkaŝo doni fraŭdon batalanta teknikojn nova perspektivo. Analytics permesas financajn instituciojn akiri pli profundan komprenon de suspektaj aktivecoj, Derivi skemojn kaj troviĝi nekutimajn transakciojn kiu estas helpema en malhelpanta fraŭdon. Financaj institucioj estas malrapide vekiĝanta al la novaj vojoj batali fraŭdon.

Etendo de financa fraŭdo

Experian, Laŭdiraj tutmondaj informaj servoj firmao faris enketon en 2014 Sur financa fraŭdo. La fraŭda raporto de Experian 2014 Enlistigas la pintajn tendencojn en fraŭdo tra la mondo. La tendencoj donas ideon de kiel la fraŭdaj atakoj estis evoluanta. Ĉi tie estas kelkaj de la salient trovoj de la raporto.

  • La indico de eltrovita fraŭdojn pliigis de 24 Al 35 Fraŭdoj por 10000 Aplikoj. Tiel, Datumoj kaj identeco estas fariĝanta ĉiufoje pli pli minacata.
  • De ĉiuj tipoj de fraŭdo, Identeca ŝtelo pliigis ĉe la plej rapida indico. De 30% Je 2013, Okazaĵoj de identeca ŝtelo altiĝis al 47% Je 2014.
  • Tria-partia okupiĝo estis la plej rimarkinda trovo en fraŭdoj rilatita al kartoj, pruntoj kaj ŝparmonaj produktoj.
  • Hipoteka apliko fraŭdoj klarigita por la plej alta inter ĉiuj eltrovis fraŭdojn. En aŭgusto 2013, 82 De ĉiu 10000 Hipotekaj aplikoj estis trovita fraŭdan.
  • #Konto kuranta apliko fraŭdo pliigita de 60% De aŭgusto 2013 Al aŭgusto 2014.
  • Tria-partiaj okupiĝoj estis sur la altiĝo en la kazo de ĉiuj tipoj de fraŭdoj. Pro tio ke aŭgusto 2014, Tria-partiaj okupiĝoj klarigita por 79% De ĉiuj fraŭdaj eltrovoj.

Sekvanta bildon montras la enretajn bankadajn fraŭdajn perdojn inter 2004 Kaj 2014.

banking fraud losses

Enbankiganta fraŭdajn perdojn

Image1: Tendencoj en enreta bankada fraŭdo perdoj

(Fonto: http://www.theukcardsassociation.org.uk/plastic_fraud_figures/)

Laŭ AFPs (ASsociation por FInancial PRofessional) paga fraŭdo kaj kontrola enketo, Sekvanta bildon montras la statistikon por pagaj fraŭdoj en 2015.

Payment fraud statistics in 2015

Paga fraŭdo statistiko en 2015

Image2: Paga fraŭdo statistiko en 2015
(Fonto: http://www.afponline.org/fraud/)

Ennovaĵo en financaj fraŭdaj teknikoj

Ŝanĝo estis la nura konstanto kiam ĝi venas al trovanta tutnovajn vojojn al fraŭdo. Fraŭdintoj estis konstante trovanta pli lertan, Pli rapidaj kaj ennovigaj vojoj ŝteladi identecon kaj datumon. La unua paŝo al kontraŭbatalanta tian fraŭdon estas akcepti ke tie konstante estos novaj vojoj de atakoj. La sekcio malsupre provizas kazan studon sur kiel tre altnivela phishing atako, Kiu la Federala Buroo de Enketo (FBI) Epitetita kiel komerca retpoŝta kompromiso, Rezultita en perdo de milionoj de dolaroj.

La phishing atako asertita viktimojn kiu estis la dungitoj de nombro de grandaj kompanioj en Usono. La atencantoj unue farus reconnaissance de la kadroj kiu traktis grandajn pagojn, drataj translokigoj kaj bankaj kontoj. Due, La atencantoj volus spoof pintaj kadroj kun financaj decidofaraj potencoj kaj akiri ilian retpoŝton credentials. Tria, La atencantoj sendus retpoŝtojn de la konto de la kadro al personoj traktanta en grandaj pagoj demandanta ilin translokigi grandajn sumojn de mono al konto kontrolita de la atencantoj. Rezulte, Ubiquiti Retoj perdita $46.7 Miliono; Crelan Banko en Belgio sangis $75.8 miliono kaj FACC .G, Boeinga provizanto, Aviadila ero fabrikisto, Perdita $54.5 Miliono.

FBIa avizo deklaris kiom malvarmiganta kaj klinika la atako estis, “La librotenisto por Usono. Firmao ĵus ricevis retpoŝton de ŝia ĉefa kadro, Kiu estis sur ferio ekstere de la lando, Petanta translokigon de financoj sur tempo-sentema akiro ke postulata kompletiĝo de la fino de la tago. La CEO diris advokaton kontaktus la libroteniston provizi pli forajn detalojn. Ĝi ne estis nekutima por mi ricevi retpoŝtojn petanta translokigon de financoj,” La librotenisto poste skribis, Kaj kiam ŝi estis kontaktita de la advokato tra retpoŝto, Ŝi notis la konvenan leteron de rajtigo—inkluzivanta la subskribon de ŝia CEO super la fermilo de la firmao—kaj sekvis la instruojn kabligi pli da ol $737,000 Al banko en Ĉinio.”

Evidente, Pritrakti tiajn altnivelajn atakojn, Vi devas malsaman perspektivon de defendo.

Granda datumo provizas potencialan respondon

Granda datumo permesas financajn instituciojn alproksimiĝi fraŭdon malsame kaj eble akiri malsamajn rezultojn. Ĉi tie estas kiom granda datumo povas helpi.

Identigi suspektajn aktivecojn antaŭ difekto estas farita

Enbankigas kontinue serĉi suspektan aŭ nekutiman konduton reprezentita de datumo en vera tempo. Ekzemple, Kiam kredita karta posedanto elfaras transakciojn de aparato por la unua tempo, Ĝi sendas sciigon al la banko. Se pluraj transakcioj okazas de malsamaj aparatoj dum tago, La datumo produktita estas akceptebla pravigo levi alarmon. Bankoj estas konata informi la validajn kartajn posedantojn tuj kaj eĉ bloki enretajn transakciojn. Granda datumo estas faranta eltrovanta nekutimajn transakciojn pli facila. Ekzemple, Se du transakcioj de la sama kredita karto okazas ĉe malsamaj urboj ene de mallonga tempa manko, La banko estas iranta akiri ruĝajn flagojn.

Influa datumo eltrovi suspektajn aktivecojn

Bankoj aliras grandegan klientan datumon de malsamaj fontoj kiel socia amaskomunikilaro, Ŝtipoj kaj voka centro konversacio kaj tiu datumo povas esti potenciale helpema en identiganta eksternormajn aktivecojn. Ekzemple, Kiam kredita karta posedanto estas veturanta de aviadilo kaj poŝtas la statuson sur Facebook, Ajna kredita karta transakcio dum tiu periodo estas eksternorma kaj la banko povas bloki la transakcion.

Identify possible fraud attempts

Lasi nin preni la kazon de asekura industrio kiu akceptas multajn fraŭdajn asertojn kaj eĉ aprobas kelkajn/kelkajn. Kiel povas grandan datuman helpon solvas ĉi tiun problemon? La asekura industrio povas aliri datumon de vario de fontoj kiel socia amaskomunikilaro, Pasintaj asertaj rekordoj, Krimaj rekordoj, Kaj telefonaj rekordoj. Kiam aserto estas ricevita, La asekurantaj bezonoj ekzameni la aserton pretere nur la asertaj detaloj. Ĝi devus ekzameni la informon de la postulanto. Se ĝi eltrovas ion ajn suspekta kun la postulanta rekordo, Ĝi devus malvigliĝi la aserton por pli fora enketo.

Kaza studo de Alibaba

Alibaba, La ĉina ecommerce firmao, Estis uzanta grandan datumon efike pritrakti fraŭdon. Ĉe Alibaba, Iu ajn potenciala fraŭdinto devas pasi trae 5 Stadioj de konfirmo kiu estas forta propono. Ĉi tiuj kvin stadioj estas (1) Konta Kontrolo, (2) Aparata Kontrolo, (3) Aktiveca Kontrolo, (4) Riska Strategio kaj (5) Mana Revizio. Ĉiu tavolo okupas la uzon de grandegaj kvantoj de datumo rilatita al la vendisto kaj aktivecoj. Ekzemple, En la unua tavolo de konfirmo, Pluraj demandoj povas esti demandita kiel antaŭa rekordo en podetalado, Suspekta aktiveco kaj tiel plu. La dua tavolo ekzamenas la aparatojn kiel la IP kaj aparataj operacioj, Nombro de aparatoj la vendisto estas eble iranta uzi kaj tiel plu.

Resuma

Uzanta grandan datumon provizas bankojn kaj financajn firmaojn la ŝanco malhelpi fraŭdon grandamezure. Tamen, La uzado de granda datumo por ĉi tiu celo estas kasregistrilo ĉe ĝiaj fruaj stadioj kaj tre devas esti farita en ĉi tiu konsidero. Uzanta grandan datumon postulas grandegan pensmanieran ŝanĝon kaj tion, Laŭ Gartner’s Chuvakin, La firmaoj devas al “Lerni esti datumo-centric kaj datumo-veturita kaj tiam solvi problemojn kiu petas pli grandan datumon, Tia kultura ŝanĝo devas okazi por la grandaj datumaj alproksimiĝoj fariĝi ĉieaj trans la industrio. Kaj jes, Tio ĉi inkluzivas dispozicion esplori, Sekvi kondukojn, Kaj foje alveni ĉe mortintaj finoj kaj algoritmoj kiu surmetas’t laboro.

Etikedita sur: ,
============================================= ============================================== Buy best TechAlpine Books on Amazon
============================================== ---------------------------------------------------------------- electrician ct chestnutelectric
error

Enjoy this blog? Please spread the word :)

Follow by Email
LinkedIn
LinkedIn
Share