段鐵興

什么是合成身份式網(wǎng)絡(luò)詐騙？

近日，美聯(lián)儲(chǔ)發(fā)布了一項(xiàng)新的防詐騙指南，以幫助民眾和信貸機(jī)構(gòu)識(shí)別避免“合成身份類型”的支付詐騙。在這份白皮書(shū)之前，美聯(lián)儲(chǔ)已經(jīng)發(fā)布了2篇有關(guān)定義和檢測(cè)此類支付詐騙的白皮書(shū)。

創(chuàng)建合成身份的方法，主要是通過(guò)將真實(shí)信息（例如身份證號(hào)）和假信息（姓名，出生日期和地址）結(jié)合在一起。這樣一來(lái)，犯罪者就可以借此創(chuàng)建一個(gè)新帳戶，并使其保持良好的信譽(yù)狀態(tài)。

美聯(lián)儲(chǔ)解釋說(shuō)，這種方法為犯罪者提供了充足的時(shí)間來(lái)建立身份和信用史。這就能讓他在“破產(chǎn)”之前有足夠的借貸或支出能力。

“與傳統(tǒng)的身份詐騙相比，使用合成身份賬戶進(jìn)行詐騙時(shí)，犯罪者會(huì)偽裝得更像普通客戶，因?yàn)樗麄儠?huì)在前期積累一定的信用值。”美聯(lián)儲(chǔ)表示。

近年來(lái)，合成身份式支付詐騙是美國(guó)增長(zhǎng)最快的金融犯罪類型，許多信貸企業(yè)損失慘重。

Auriemma Group的一項(xiàng)分析顯示，在所有已注銷的信用卡賬戶中，可能有5 %與合成身份欺詐有關(guān)。2016年，美國(guó)的借貸機(jī)構(gòu)因此共損失了60億美元，平均每個(gè)帳戶有15 000美元的債務(wù)，占2016年信貸損失的20 %。

據(jù)ID Analytics的研究估計(jì)，傳統(tǒng)的反詐騙模型僅能有效檢測(cè)5 % ～15 %的合成身份。正是傳統(tǒng)的欺詐檢測(cè)模型對(duì)合成身份的檢測(cè)成功率很低，使得詐騙犯更加猖狂。

由于合成身份欺詐的影響將遍及美國(guó)的金融體系、醫(yī)療保健行業(yè)、汽車和保險(xiǎn)等私營(yíng)行業(yè)，單獨(dú)的某個(gè)行業(yè)或組織也不能獨(dú)立解決這個(gè)問(wèn)題。

對(duì)此，波士頓聯(lián)邦儲(chǔ)備銀行高級(jí)副總裁兼安全支付策略負(fù)責(zé)人吉姆·庫(kù)尼亞認(rèn)為，如果組織采用分層識(shí)別，再結(jié)合大數(shù)據(jù)分析，就極大可能成功識(shí)別這種合成性身份。此外，所有支付行業(yè)之間共享信息也是一種可行的選擇。

那么合成身份支付詐騙如何預(yù)防？

①采用包括手動(dòng)和自動(dòng)2種數(shù)據(jù)分析方法，進(jìn)行身份的分層識(shí)別；

②將個(gè)人基本信息（例如姓名、SSN、出生日期和地址）和其他數(shù)據(jù)源結(jié)合，來(lái)確認(rèn)申請(qǐng)人的身份；

③使用“強(qiáng)連接”式的分析過(guò)程，包括檢查借貸帳戶、支票帳戶和其他金融工具；

④篩選源自同一IP地址或設(shè)備的多個(gè)帳戶應(yīng)用程序，并檢測(cè)在多個(gè)帳戶中顯示為授權(quán)用戶的身份信息；

⑤對(duì)跨行用戶的服務(wù)提供商進(jìn)行合成身份鏈接分析。

建議金融機(jī)構(gòu)跨產(chǎn)品線共享信息，以便發(fā)現(xiàn)合成身份欺詐者的身份。因?yàn)橐话惴缸锓肿訒?huì)在同一組織中開(kāi)設(shè)多個(gè)帳戶：包括信用卡、直接存款帳戶、信貸額度和汽車貸款或抵押貸款等。

總之，整合各類信息，加強(qiáng)篩選都是有效避免合成身份欺詐的方法。而這些方法不僅需要技術(shù)創(chuàng)新，還要有足夠的數(shù)據(jù)信息，這就涉及私營(yíng)企業(yè)與政府機(jī)構(gòu)的信息談判問(wèn)題了。