Von Liebesbetrug bis hin zu fingierten Online-Angeboten – Identitätsbetrug aller Art hat in den letzten Jahren Menschen und Unternehmen geplagt und das Vertrauen der Opfer erschüttert. Doch das Blatt wendet sich. Mastercard nimmt den Kampf gegen Betrüger mit seiner einzigartigen KI-gestützten Lösung für das Risiko von Verbraucherbetrug auf, die jetzt in Großbritannien verfügbar ist.
Durch die Nutzung der neuesten KI-Funktionen von Mastercard und seiner einzigartigen Netzwerkansicht von Konto-zu-Konto-Zahlungen hilft es Banken, Zahlungen für Betrüger aller Art vorherzusagen und zu verhindern. In Zusammenarbeit mit neun britischen Banken, darunter Lloyds Bank, Halifax, Bank of Scotland, NatWest, Monzo und TSB, verwendet Mastercard umfangreiche Zahlungsdaten, um Zahlungsbetrug in Echtzeit zu erkennen, bevor Gelder das Konto eines Opfers verlassen.
Organisierte Kriminelle transferieren ergaunerte Gelder über eine Reihe von sogenannten Geldwäschekonten, um sie zu verschleiern. Um dem entgegenzuwirken, hat Mastercard in den letzten fünf Jahren mit britischen Banken zusammengearbeitet, um den Geldfluss über diese Konten zu verfolgen und sie dann zu schließen. Basierend auf den Erkenntnissen aus dieser Nachverfolgung und der Überlagerung mit spezifischen Analyse-Faktoren wie Kontonamen, Zahlungswerten, Zahlungs- und Zahlungsempfängerhistorie und den Links des Zahlungsempfängers zu Konten, die mit Betrügereien in Verbindung stehen, liefert die KI-Lösung von Mastercard Banken die Informationen, die sie benötigen, um in Echtzeit einzugreifen und eine Zahlung zu stoppen, bevor Gelder verloren gehen.
TSB ist eine der ersten Banken, die das Tool von Mastercard zum Risiko von Verbraucherbetrug eingeführt hat, und nutzt es bereits mit großer Wirkung. Die Bank gibt an, ihre Betrugserkennung innerhalb von nur vier Monaten drastisch verbessert zu haben. Auf Grundlage der Ergebnisse der TSB würde die Summe der im Laufe eines Jahres verhinderten Betrugszahlungen in ganz Großbritannien fast 100 Millionen Pfund[1] betragen, sofern alle Banken eine ähnliche Leistung erbringen würden. Andere Banken, die Consumer Fraud Risk einführen, tun dies im Laufe des Jahres 2023, und Mastercard prüft weitere internationale Märkte, um die Lösung zu skalieren.
Da die Bank- und Zahlungssicherheit immer fortschrittlicher wird, haben Betrüger ihren Fokus auf Taktiken des Identitätswechsels verlagert. Ihr Ziel ist es, Menschen und Unternehmen davon zu überzeugen, ihnen Geld zu überweisen, indem sie glauben, dass die Überweisung an eine legitime Person oder Organisation erfolgt, beispielsweise an einen Freund, einen bekannten Lieferanten oder um online vermeintlich echte Waren zu kaufen. Diese Betrugsmasche, die oft als autorisierter Push-Zahlungsbetrug oder APP-Betrug bezeichnet wird, macht mittlerweile 40 % der Betrugsverluste britischer Banken aus. Schätzungen gehen davon aus, dass die Kosten allein in den USA und Großbritannien bis 2026 4,6 Milliarden US-Dollar betragen könnten[2].
„Für Banken war es unglaublich schwierig, diese Betrügereien aufzudecken“, sagte Ajay Bhalla, Präsident von Cyber and Intelligence bei Mastercard. „Ihre Kunden durchlaufen alle erforderlichen Kontrollen und überweisen das Geld selbst; Kriminelle mussten keine Sicherheitsvorkehrungen umgehen.“ Da wir alle ein zunehmend digitales Leben führen, untergräbt diese Art von Betrug das Vertrauen der Opfer in die Online-Interaktion. Unser Ziel ist es, dieses Vertrauen aufzubauen und zu erhalten. Mithilfe modernster KI-Technologie helfen wir Banken dabei, Zahlungen an Betrüger zu erkennen und vorherzusagen und diese in Echtzeit zu stoppen.“
Mastercard verwendet KI seit fast einem Teil des letzten Jahrzehnts. Heute ist sie eine grundlegende Technologie, die im gesamten Unternehmen eingesetzt wird und sich als bahnbrechend erwiesen hat, da sie dabei hilft, Betrugsmuster zu erkennen. Die KI-gestützten Cybersicherheitslösungen von Mastercard haben in den letzten drei Jahren Betrugsverluste in Höhe von über 35 Milliarden $ verhindert.
„Betrügerische Zahlungen unter Millionen von Zahlungen, die täglich getätigt werden, zu erkennen, ist wie die Suche nach der Nadel im Heuhaufen, da die Betrugsmaschen immer komplexer werden – daher sind Präventions- und Überwachungsinstrumente von entscheidender Bedeutung“, sagte Paul Davis, Direktor für Betrugsprävention bei TSB. „Unsere Partnerschaft mit Mastercard liefert die Informationen, die erforderlich sind, um betrügerische Konten zu identifizieren und zu verhindern, dass Zahlungen sie jemals erreichen.“
Erste Ergebnisse von Banken, die den Consumer Fraud Risk Score verwenden, zeigen große Erfolge bei der Verhinderung von Betrugsfällen, insbesondere wenn dieser in Verbindung mit anderen Erkenntnissen über die Kunden und ihr Verhalten eingesetzt wird. Dies hat ihnen geholfen, gezielte Betrugsstrategien zu entwickeln, um verschiedene Betrugsarten, insbesondere Kaufbetrug, Identitätsdiebstahl und Liebesbetrug, klar zu identifizieren. Kaufbetrug macht mittlerweile 57 % aller Betrugsfälle in Großbritannien aus und bleibt ein bekanntes Problem für Banken.[1]
Im Jahr 2022 gab es innerhalb des Vereinigten Königreichs Es wurden 207.372 Fälle von Betrug mit autorisierten Push-Zahlungen gemeldet, mit einem Bruttoschaden von 485 Millionen Pfund.[1]
Mastercard führt Consumer Fraud Risk zuerst in Großbritannien ein, da das Unternehmen über umfangreiche Erfahrung bei der Aufdeckung und Bekämpfung von Finanzkriminalität im gesamten Echtzeit-Bankensystem des Landes verfügt und dazu beigetragen hat, Banken bei der Weitergabe ihrer Betrugsdaten zu koordinieren.
Mastercard erschließt sich jetzt die nächstbesten Märkte, um die Technologie zu übernehmen.
[1] UK Finance Annual Fraud Report - Die Zahl "fast 100 Millionen Pfund" wurde aus Daten von UK Finance für das Jahr 2022 berechnet, in denen 485,2 Millionen Pfund durch APP-Betrug verloren gingen. Basierend auf dem prozentualen Anstieg der Betrugserkennung und der verhinderten Betrugszahlungen bei TSB könnten laut den neuesten UKF-Daten 97 Millionen Pfund im gesamten Bankensektor eingespart werden.
[2] Wie von ACI und Global Databerichtet.
