بر اساس گزارش ها، در سال ۲۰۱۹ زیان‌های تقلب مالی غیرمجاز در کارت‌های پرداخت اعتباری، بانکداری از راه دور و چک ها، بالغ بر ۸۲۴.۸ میلیون پوند بوده است. یکی از انواع کلاهبرداری که به طور قابل توجهی به این ضرر دامن می‌زند، سرقت هویت است که در سال‌های اخیر به یک مشکل جدی تبدیل شده است.

اما اقدامات ضد کلاهبرداری که برای شناسایی سرقت هویت طراحی شده‌اند، کلاهبرداران را مجبور می‌کنند تا راه‌هایی جدیدی را برای فریب دادن افراد بیابند، که منجر به انواع کلاهبرداری‌های جدید شده و دائماً در حال تکامل باشد تا حدی که شناسایی و توقف آن‌ها به طور فزاینده‌ای دشوار است.

به عنوان مثال، در یکی از روش‌های کلاهبرداری که "در اختیار گرفتن حساب" است، مجرم از اطلاعات سرقت شده از طریق کلاهبرداری‌های فیشینگ برای دسترسی به حساب شخصی، پرداخت‌های غیرمجاز یا درخواست‌های مختلف استفاده می‌کند. مشکل در تشخیص تقلب این است که به نظر می‌رسد مشتری در حال ورود به حساب خود است، اما حقیقتا چگونه می‌توانیم با آن‌ها مقابله کنیم؟

ابزار‌های هویت دیجیتال یک سلاح مهم در مبارزه با سرقت هویت هستند. در سطح پایه، آن‌ها از مجموعه محدودی از ویژگی‌ها، مانند نام، تاریخ تولد، داده‌های اعتبار و ... برای شناسایی فرد مورد نظر و تعیین احتمال واقعی بودن آن‌ها استفاده می‌کنند. اما همانطور که قبلاً شنیده ایم، این اطلاعات را می‌توان به راحتی سرقت یا جعل کرد.

اینجاست که تکنولوژی پیشرفته می‌تواند کمک کند. جدیدترین ابزار‌های هویت دیجیتالی مجموعه وسیع تری از ویژگی‌ها را از زمانی که "مشتری" تلاش می‌کند وارد سیستم شود، تجزیه و تحلیل می‌کند. این ویژگی‌ها می‌تواند شامل ویژگی‌های رفتاری باشد که الگو‌های رفتاری ثابت شده را برای یک فرد بررسی می‌کند. این موارد شامل نحوه وارد کردن جزئیات، سرعت تایپ کردن، چگونه دستگاه خود را نگه می‌دارند، یا ویژگی‌های فیزیکی، مانند دستگاهی که از آن استفاده می‌کنند و موقعیت مکانی آن‌ها است.

اندازه‌گیری این ویژگی‌ها به شرکت‌ها کمک می‌کند حتی قبل از ورود موفقیت‌آمیز، مراقب حساب باشند و اگر شکی در آن وجود داشته باشد که مشتری واقعی نیست، به صورت پویا لایه‌های احراز هویت اضافی را در چند میلی‌ثانیه اضافه کنند.

بیشتر بخوانید

• اعتراف آژانس های فدرال به استفاده از فناوری تشخیص چهره