Cyberkriminelle sind aggressiver und raffinierter als je zuvor. Betrüger haben aufgrund der wachsenden Anzahl von massiven Datenschutzverletzungen auf der ganzen Welt einen noch nie dagewesenen Zugang zu Verbraucheridentitäten und Kontoinformationen. Sie sind gut organisiert, gut finanziert und nutzen manipulierte Identitäten und Konten, um ihre Angriffe durchzuführen.

Da zunehmend mehr Finanzprodukte über digitale Kanäle angeboten werden, wächst die Angriffsfläche von Banken exponentiell. Finanzinstitute müssen sich nun mit der schnell zunehmenden Zahl von Kontoübernahmen und dem Neukundenbetrug
auseinandersetzen, während sie gleichzeitig das Geschäftswachstum sicherstellen und auf die Einhaltung von Vorschriften achten müssen.

OneSpan Risk Analytics ist eine umfassende Echtzeit-Betrugserkennungslösung, die es Finanzinstituten ermöglicht, Fälle von Betrug drastisch zu reduzieren, strenge regulatorische Anforderungen zu erfüllen, das Umsatzwachstum voranzutreiben und
die Betriebskosten für weniger effektive Betrugsbekämpfungswerkzeuge zu senken.

Betrugserkennung in Echtzeit auf mehreren Kanälen

OneSpan Risk Analytics hilft beim Schutz vor betrügerischen Aktivitäten auf mehreren digitalen Kanälen, z. B. online und über Mobilfunk. Das System identifiziert Risiken bei kritischen Schritten, prognostiziert Risikostufen und ergreift sofortige Maßnahmen, sobald verdächtige Aktivitäten erkannt werden. Risk Analytics bewertet Aktivitäten in Echtzeit auf Basis einer detaillierten Analyse des Benutzerverhaltens, der Transaktionsdetails und anderer wichtiger kontextbezogener Daten, die über mehrere Kanäle hinweg gesammelt werden.

Maschinelles Lernen und risikobasierte Analysen

OneSpan Risk Analytics nutzt modernstes maschinelles Lernen und hochentwickeltes Data-Mining und -Modellierung, um die genauesten Vorhersagen über Risiken und Betrug zu erhalten. Hierbei werden riesige Datenmengen aus verschiedenen Quellen
in allen digitalen Kanälen analysiert, um eine möglichst genaue Risikobewertung zu gewährleisten. Diese Bewertungen treiben intelligente Workflows an, die sofortige Maßnahmen auf der Grundlage vordefinierter und/oder vom Kunden definierter
Sicherheitsrichtlinien und Regeln in Bewegung setzen. Die Kombination aus intelligenter Automatisierung und Risikobewertung verschlankt die Prozesse, reduziert die Betriebskosten, die durch manuelle Überprüfungen entstehen und verbessert
letztendlich die Benutzerfreundlichkeit durch die Reduzierung von Fehlalarmen.

Vorteile

• Betrug eindämmen – Beugt Gefahren wie beispielsweise der Kontoübernahme, des Neukundenbetrugs und mobilen Betrugs mittels einer maschinell lernenden Echtzeit-Risikoanalysemaschine vor
• Erfüllung strenger regulatorischer Anforderungen – Vollständige Erfüllung von Compliance-Anforderungen (einschließlich PSD2) mit Echtzeitüberwachung von Transaktionsrisiken
• Verbesserte Sichtbarkeit auf allen digitalen Kanälen – Proaktiver Schutz vor Onlinebanking-Betrug und mobilem Betrug
• Flexible Bereitstellung – Verfügbarkeit von Risk Analytics vor On-Premise als Cloud-Service
• Senkung der Betriebskosten – Schnellere Betrugsprävention reduziert die Anzahl der manuellen Überprüfungen und senkt die Betriebskosten durch intelligente Automatisierung und hochpräzise Risikobewertung
• Verbesserte Kundenerfahrung – Erhöhte Kundentreue und -bindung durch Reduzierung von Fehlalarmen

Funktionsweise

1. Kunde initiiert Finanztransaktion

Sobald ein Kunde eine Transaktion initiiert, sammelt und analysiert Risk Analytics Daten aus einer Vielzahl unterschiedlicher Datenquellen, darunter:

• Geräte – Überwachung von Endpunkt-zentrierten Daten auf der Geräteebene
• Verhalten – Analyse der Interaktionen mit dem Gerät sowie des Navigationsverhaltens der Sitzung, wie z. B. Geschwindigkeit und Zeit des Browsens, um verdächtige Aktivitäten zu identifizieren
• Historie – Analyse von Benutzer- und Kontoaktivitäten im derzeit genutzten digitalen Kanal, basierend auf historischen Daten
• Multi-Channel – Analyse des Benutzerverhaltens über verschiedene Kanäle, Geräte und Anwendungen
• Geschäftsanwendungen – Analyse von Finanz- und Drittanbieter-Anwendungsdaten

2. Hinzuziehen zusätzlicher Kundenkontodaten für kontextbezogene Analysen

Finanzinstitut sendet zusätzliche Kundenkontoinformationen an Risk Analytics zur kontextbezogenen Analyse.

3. Analysiert und bewertet Benutzer-, Geräte- und Transaktionsdaten über mehrere digitalen Kanäle in Echtzeit

Um das mit jeder Finanztransaktion verbundene Risiko zu bestimmen, nutzt Risk Analytics maschinelles Lernen und Datenmodelle, um Benutzer-, Geräte- und Transaktionsdatenpunkte über mehrere digitale Kanäle hinweg in Echtzeit zu analysieren und zu bewerten.

4. Ergreifung von Maßnahmen entsprechend des Risiko-Score

Basierend auf der Risikobewertung ergreift Risk Analytics automatisch entsprechende Maßnahmen:

• Erlauben: Niedrige Risikobewertung - Erlaubt die Fortsetzung der Finanztransaktion
• Prüfen: Mittlere Risikobewertung - Erstellt einen Vorgang zur Überprüfung; weitere Kundenvalidierung ist erforderlich
• Blockieren: Hohe Risikobewertung - Blockiert die Transaktion und erstellt einen Vorgang zur Überprüfung

5. Der Transaktionsrisiko-Score ist niedrig. Fonds zum Transfer freigegeben