Kris Nagel, CEO von Sift – Interview-Serie

Kris ist der Chief Executive Officer bei Sift. Er bringt mehr als 30 Jahre Erfahrung in leitenden Positionen bei von Risikokapitalgebern unterstützten und öffentlichen SaaS-Unternehmen, einschließlich Ping Identity, mit. Sift bietet eine Möglichkeit für Unternehmen, Zahlungsbetrug zu beenden, mit einer einzigen, intuitiven Konsole, eliminiert Sifts end-to-end-Lösung die Notwendigkeit für nicht verbundene Tools, einzweckige Software und unvollständige Erkenntnisse, die betriebliche Ressourcen verschwenden.

In Ihrer vorherigen Rolle waren Sie Chief Operating Officer bei der Identitätssicherheitsplattform Ping Identity, wo Sie eine entscheidende Rolle bei der Übernahme des Unternehmens im Jahr 2019 spielten, was waren einige Ihrer wichtigsten Erkenntnisse aus dieser Erfahrung?

Das Übernehmen eines Unternehmens ist eine große Aufgabe, und ich habe viel durch den Prozess gelernt. Die Entwicklung von Produkten und das Skalieren des Unternehmens vor und nach diesem Meilenstein haben mich gelehrt, was es braucht, um komplexe organisatorische Herausforderungen zu meistern, um weiterhin zu innovieren und die Benutzererfahrung neu zu gestalten und um Teams zu wachsen und sie zu ermächtigen, ihre beste Arbeit zu leisten. Ich habe während meiner Karriere gelernt, dass jeder Erfolg in jeder Rolle mit einem tiefen Verständnis von Kunden, Partnern und den Menschen in Ihrem Team beginnen muss.

Sie haben Sift im Januar 2023 als CEO beigetreten. Was hat Sie zu dieser neuen Herausforderung hingezogen?

Betrug ist ein immer wachsendes und sich entwickelndes Problem, und die Einsätze sind klar. Der globale Verlust durch Online-Betrug wird voraussichtlich bis Ende 2023 48 Milliarden Dollar erreichen (ein Anstieg von 16 % im Vergleich zu 2022), und Unternehmen weltweit haben im Durchschnitt 10 % ihres Umsatzes für die Bekämpfung von Betrug aufgewendet. Aber wenn ein Unternehmen den Betrug nicht effektiv bekämpft, kann es Umsatz verlieren, indem es legitime Kunden ausschließt oder “beleidigt”.

Sift hat den ersten Bewegungsvorteil bei der Lösung dieses Problems mit Machine Learning, und seine KernTechnologie und sein globales DatenNetzwerk haben es im Bereich der Betrugsprävention abgehoben. Mehr als 34.000 Seiten und Apps, einschließlich Twitter, DoorDash, Poshmark und Uphold, verlassen sich auf Sift. Diese Differenzierung, zusammen mit dem starken Fokus auf langfristige Kundenpartnerschaften, hat meine Entscheidung, beizutreten, leicht gemacht.

Warum ist generative KI eine so große Sicherheitsbedrohung für Unternehmen und Verbraucher?

Generative KI zeigt erste Anzeichen als ein Spielveränderer für Betrüger. Betrügereien waren früher voller Grammatik- und Rechtschreibfehler, so dass sie leichter zu erkennen waren. Mit generativer KI können böswillige Akteure legitime Unternehmen effektiver imitieren und Verbraucher dazu bringen, sensible Anmeldedaten oder Finanzinformationen durch Phishing-Attacken preiszugeben.

Generative KI-Plattformen können sogar Textvarianten vorschlagen, die es einem Betrüger ermöglichen, auf einer einzigen Plattform mehrere unterschiedliche Fake-Profile zu erstellen. Zum Beispiel können sie 100 neue Fake-Dating-Profile erstellen, um Kryptowährungs-Romance-Betrügereien zu begehen, mit jedem einzigartigen AI-generierten Gesicht und Bio. Auf diese Weise ermöglicht generative KI die Demokratisierung von Betrug, da es für jeden, unabhängig von der technischen Affinität, einfacher wird, jemanden mit gestohlenen Anmeldedaten oder Zahlungsinformationen zu betrügen.

Sift hat kürzlich einen Bericht mit dem Titel: ” Inmitten der AI-Renaissance werden Verbraucher und Unternehmen von Betrug überflutet” veröffentlicht, was waren einige der größten Überraschungen für Sie in diesem Bericht?

Wir wussten, dass KI und Automation das Betrugslandschaft verändern würden, aber die Geschwindigkeit und das Volumen dieser Veränderung sind wirklich bemerkenswert. Mehr als zwei Drittel (68 %) der US-Verbraucher haben seit November, etwa zu der Zeit, als generative KI-Tools populär wurden, eine Zunahme von Spam und Betrügereien gemeldet, und wir glauben, dass diese beiden Trends stark korreliert sind. Ebenso haben wir eine Welle von Account-Takeover-(ATO)-Angriffen beobachtet, wobei die Rate von ATO im ersten Quartal 2023 im Vergleich zu ganz 2022 um 427 % anstieg. Offensichtlich sind diese Ereignisse miteinander verbunden, da generative KI es Betrügern ermöglicht, überzeugendere und skalierbarere Betrügereien zu erstellen, was zu einer Welle von ATO-Angriffen führt.

Der Bericht zeigt auch einige der Möglichkeiten, wie “Betrug-as-a-Service” fortschreitet. Öffentlich zugängliche Foren wie die auf Telegram senken die Einstiegshürde für jeden, der verschiedene Arten von Missbrauch begehen möchte – es ist das, was wir die Demokratisierung von Betrug nennen. Unser Team hat eine Verbreitung von Betrügergruppen gesehen, die jetzt Bot-Angriffe als Dienstleistung anbieten, und wir haben hervorgehoben, wie ein Tool verwendet wird, um Verbraucher dazu zu bringen, einmalige Passcodes für ihre Finanzkonten preiszugeben. Und Betrüger machen diese Tools leicht zugänglich und verfügbar für andere für eine relativ geringe Gebühr.

Können Sie erläutern, was die “Sift Digital Trust & Safety Platform” ist?

Mit Sift können Unternehmen mit Vertrauen aufbauen und bereitstellen, da sie wissen, dass sie die Tools haben, um ihr Unternehmen vor Betrug zu schützen. Es geht darum, die böswilligen Akteure auszuschließen, während den Kunden eine nahtlose Erfahrung geboten wird – Reibungsverluste reduzieren und Umsatz steigern.

Unsere Mission ist es, jedem zu helfen, das Internet zu vertrauen, und unsere Plattform verwendet Machine Learning und ein massives DatenNetzwerk, um Unternehmen vor verschiedenen Arten von Betrug und Missbrauch zu schützen. Wir waren eines der ersten Unternehmen, das Machine Learning auf Online-Betrug angewendet hat, so dass wir eine enorme Menge an Erkenntnissen gesammelt haben, die in unseren globalen Machine-Learning-Modellen widerspiegelt sind, die über 1 Billion Ereignisse pro Jahr verarbeiten. Die Schönheit der Plattform liegt darin, dass sie umso intelligenter wird, je mehr Kunden wir haben, so dass wir immer optimieren können, um Betrug zu stoppen, während wir Reibungsverluste für echte Benutzer und Kunden reduzieren.

Innerhalb der Plattform haben wir Payment Protection, das Zahlungsbetrug schützt; Account Defense, das Account-Takeover-Angriffe verhindert; Content-Integrität, die Spam und Betrügereien aus benutzererzeugtem Inhalt blockiert; und Dispute Management, das vor Chargebacks und freundlichem Betrug schützt.

Wie unterscheidet sich diese Plattform von konkurrierenden Betrugs-Tools?

Es gibt keine Knappheit an Betrugspräventions-Anbietern auf dem Markt, aber die meisten fallen in zwei Kategorien: Punkt-Lösungen oder Entscheidung-as-a-Service. Punkt-Lösungen haben in der Regel einen engen Umfang und sind darauf ausgelegt, einen bestimmten Anwendungsfall zu bearbeiten, wie z. B. Bot-Erkennung. Entscheidung-as-a-Service-Lösungen sind umfassender, aber haben oft viele Betrugs-Management-Funktionen und agieren als “black box” hinsichtlich ihrer Entscheidungslogik.

Eine der wichtigsten Unterscheidungsmerkmale von Sift ist, dass wir eine Lösung anbieten, um mehrere Arten von Betrug in allen Branchen zu bekämpfen. Betrug ist eine branchenübergreifende Herausforderung, und wir haben einzigartige Erkenntnisse darüber, wie die Betrugsprobleme einer Branche zu denen einer anderen werden. Über alle unsere Fähigkeiten – Entscheidungsmotoren, Fallmanagement, Orchestrierung, Berichterstellung und Simulation – priorisieren wir auch, die Kontrolle in die Hände unserer Kunden zu legen. Jedes Unternehmen ist einzigartig, und diese Fähigkeit, anzupassen, bedeutet, dass Logik mit benutzerdefinierten Regeln modifiziert werden kann und dass Simulationen innerhalb der Plattform angepasst werden können. Wir glauben auch, dass die beste Möglichkeit, Betrug zu verhindern, darin besteht, transparent darüber zu sein. Unser Entscheidungsmotor bietet Erklärungen für Analysten, damit sie verstehen, warum eine Transaktion genehmigt, herausgefordert oder abgelehnt wurde. Wir bieten auch Berichte an, damit Sie die Leistung eines Modells messen können, um zu verstehen, ob es angepasst werden muss.

Können Sie erläutern, was der “Sift-Score” ist und wie er kontinuierliche Selbstverbesserung der verwendeten Machine Learning ermöglicht?

Sift-Kunden verwenden unsere Machine-Learning-Algorithmen, um betrügerische Muster zu erkennen und Angriffe auf eine Website oder App zu verhindern. Der Sift-Score ist eine Zahl von 0-100, die vom Algorithmus für jedes Ereignis (oder Aktivität) zugewiesen wird, um die Wahrscheinlichkeit anzugeben, dass das Verhalten betrügerisch ist.

Während jedes unserer Produkte von seinem eigenen Satz von Machine-Learning-Modellen unterstützt wird, bieten wir auch benutzerdefinierte Algorithmen an, die für Sift-Kunden maßgeschneidert sind. Die Betrugs-Signale für jede Branche können sich unterscheiden, wenn Sie beispielsweise Versicherungen, verderbliche Lebensmittel oder Kleidung verkaufen. Sift läuft Tausende von Signalen, die auf unserem umfassenden globalen Netzwerk basieren, durch jedes maßgeschneiderte Modell, analysiert Details wie die Tageszeit, die Merkmale von E-Mail-Adressen und die Anzahl der versuchten Anmeldungen. Diese Signale kombiniert ergeben einen Score für ein bestimmtes Ereignis wie eine Anmeldung oder Transaktion. Sift-Scores werden nie zwischen Kunden geteilt, da jedes Kunden-Machine-Learning-Modell unterschiedlich ist.

Ein interessantes Produkt, das bei Sift entwickelt wurde, um Betrügereien und Spam zu bekämpfen, ist Text-Clustering, was ist das genau?

Spam-Text plagt Online-Plattformen, und Spammer posten oft den gleichen oder sehr ähnlichen Inhalt wiederholt. Wir haben unsere Text-Clustering-Funktion als Teil von Content Integrity entwickelt, um es einfacher zu machen, diesen Typ von Text zu identifizieren und zusammenzufassen, damit ein Analyst entscheiden kann, ob er eine Massenaktion ausführen soll. Die Herausforderung besteht darin, dass nicht alle wiederholten Texte Spam sind. Zum Beispiel kann ein E-Commerce-Verkäufer das gleiche Produkt und die gleiche Beschreibung auf mehreren Websites auflisten.

Um diese Herausforderung effektiv zu lösen, mussten wir eine Möglichkeit finden, die neuen Arten von Betrug zu kennzeichnen, die wir erkennen wollten, während wir den Analysten gleichzeitig die endgültige Kontrolle gaben, um Maßnahmen zu ergreifen. Durch eine Kombination aus neuronalen Netzen und Machine Learning kann Text-Clustering jetzt ähnlichen Text gruppieren, auch wenn es leichte Abweichungen gibt. Dieser gekennzeichnete Inhalt wird zusammengefasst, und wenn es tatsächlich Spam ist, kann ein Analyst eine Massenaktion ausführen, um es zu entfernen.

Wie können Unternehmen sich am besten gegen adversarische Angriffe oder andere Arten von bösartigen Angriffen wehren, die durch generative KI verursacht werden?

Mehr als die Hälfte der Verbraucher (54 %) glauben, dass sie nicht für den Fall verantwortlich gemacht werden sollten, wenn sie unbeabsichtigt ihre Zahlungsinformationen einem Betrüger gegeben haben, der sie später für einen betrügerischen Kauf verwendet hat. Fast ein Viertel (24 %) glaubt, dass das Unternehmen, bei dem der Kauf getätigt wurde, verantwortlich gemacht werden sollte. Das bedeutet, dass die Verantwortung für die Verhinderung von Betrug bei den Plattformen und Dienstleistungen liegt, auf die sich die Verbraucher täglich verlassen.

Wir sind noch in den sehr frühen Tagen von generativer KI, und die Bedrohungen von heute werden nicht die gleichen Bedrohungen sein, die wir in sechs Monaten sehen werden. Mit diesem Hinweis müssen Unternehmen Feuer mit Feuer bekämpfen, indem sie KI-Technologien wie Machine Learning verwenden, um Betrug zu bekämpfen und zu stoppen, bevor er passiert. Echtzeit-Machine-Learning ist entscheidend, um mit dem Umfang, der Geschwindigkeit und der Sophistikation von Betrug Schritt zu halten. Händler, die nicht von veralteten oder manuellen Prozessen wegkommen, werden hinter Betrügern zurückbleiben, die bereits automatisieren. Unternehmen, die diesen end-to-end-, Echtzeit-Ansatz annehmen, verbessern die Genauigkeit der Betrugs-Erkennung um 40 %. Das bedeutet, Betrüger besser zu identifizieren und sie im Akt zu stoppen, bevor sie Ihrem Unternehmen oder Ihren Kunden schaden können.

Gibt es noch etwas, das Sie über Sift teilen möchten?

Eine Initiative, die wir kürzlich umgesetzt haben, um diese Mission voranzutreiben, ist unsere Kunden-Community, Sifters. Sie ist allen Sift-Benutzern offen und dient als Brücke zwischen unseren Kunden, internen Experten und unserem digitalen Netzwerk von Händlern und Daten. Es ist ein wertvoller Hub für die Sammlung von Branchen-Erkenntnissen und die Lösung von branchenübergreifenden Herausforderungen bei der Betrugsprävention. Und es erfährt enormen Zulauf. Die Schaffung einer Community für Betrugs-Kämpfer ist absolut entscheidend, da Betrüger ihre eigenen Communities haben, in denen sie zusammenarbeiten, um Unternehmen und Verbraucher zu schaden. Wie wir es ausdrücken, es braucht ein Netzwerk, um ein Netzwerk zu bekämpfen.