Husnain Bajwa, SVP di Product presso SEON – Intervista

Husnain Bajwa, SVP di Product presso SEON, guida la strategia di prodotto per le soluzioni di prevenzione del rischio e della frode dell’azienda, portando con sé oltre due decenni di esperienza nel networking, nella sicurezza informatica e nella tecnologia aziendale. Con sede ad Austin, in precedenza ha ricoperto il ruolo di VP di Product Strategy e VP di Global Sales Engineering presso Beyond Identity, e in precedenza ha trascorso sette anni come Distinguished Engineer presso Aruba Networks. Bajwa ha anche ricoperto ruoli di leadership presso Ericsson e BelAir Networks e ha co-fondato CardioAssure. La sua carriera combina una profonda competenza tecnica con la leadership di prodotto nei settori delle telecomunicazioni, della sicurezza e dell’infrastruttura digitale.

SEON è una piattaforma di prevenzione della frode e di anti-riciclaggio di denaro che aiuta le aziende a rilevare e fermare la frode digitale in tutta la durata del ciclo di vita del cliente. La tecnologia dell’azienda analizza centinaia di segnali di dati, tra cui email, dispositivi, IP e modelli di comportamento, per identificare attività sospette in tempo reale. La sua piattaforma combina il punteggio di rischio basato sull’apprendimento automatico con regole personalizzabili per aiutare le organizzazioni a ridurre la frode, automatizzare i processi di conformità e proteggere gli utenti legittimi in settori come fintech, e-commerce e giochi online.

Come l’accessibile intelligenza artificiale generativa ha cambiato le truffe di app di incontri e di dating negli ultimi 12 mesi?

L’intelligenza artificiale generativa è diventata un moltiplicatore di forza per la frode. Ha drasticamente abbassato la barriera all’ingresso per la frode romantica sofisticata, dando agli aggressori l’accesso agli stessi potenti strumenti utilizzati dalle aziende legittime.

Secondo il Rapporto sui leader della frode e dell’AML di SEON del 2026, il 98% delle organizzazioni utilizza ora l’AI nei flussi di lavoro di frode e conformità. La stessa realtà si applica ai criminali. L’AI non è più sperimentale. È ora la base. Ciò che un tempo richiedeva pazienza, abilità di ingegneria sociale e fluente linguistica può ora essere automatizzato.

I truffatori stanno assemblando identità completamente sintetiche dal nulla, complete di account email vecchi, foto credibili, narrazioni di vita plausibili e segnali digitali di supporto. Ogni segnale può apparire legittimo in isolamento, ma insieme formano un’identità progettata esplicitamente per l’inganno.

Il linguaggio non è più un indicatore affidabile, poiché l’AI elimina gli errori di grammatica e le incoerenze tonali. Consente conversazioni coerenti dal punto di vista emotivo che si adattano dinamicamente alle risposte della vittima. Un attore può ora gestire centinaia di personaggi contemporaneamente.

Il risultato è una frode che appare legittima dall’inizio alla fine. Le truffe di incontri si sono spostate da attori cattivi isolati a operazioni coordinate, assistite dall’AI, che funzionano continuamente alla velocità della macchina.

Quali sono tre segnali rosso sottile che gli profili generati dall’AI esibiscono?

Il primo segnale rosso è ciò che chiamerei squilibrio dell’impronta digitale. La storia del profilo è ricca e dettagliata, ma l’impronta digitale a lungo termine non corrisponde a quella profondità. L’AI può generare narrazioni istantaneamente, ma fatica a replicare anni di storia comportamentale coerente e cross-canale.

Il secondo segnale rosso appare quando si zooma fuori e si guarda a gruppi di account. Individualmente, gli account sembrano convincenti. Ma quando visti collettivamente, emergono somiglianze statistiche come impronte digitali di dispositivi condivise, tempistiche di registrazione simili e sovrapposizione di infrastrutture. La frode si nasconde sempre più in somiglianze di modelli piuttosto che in errori ovvi.

Terzo è un comportamento sospettosamente perfetto. L’attività umana contiene casualità. Le persone si connettono in modo irregolare, cambiano tono a metà conversazione e si comportano in modo imprevedibile. I personaggi generati dall’AI introducono spesso una precisione meccanica, come messaggistica a ritmo uniforme, nomi utente ottimizzati e profondità di attività controllata. La rilevazione oggi dipende meno dall’individuazione di errori trascurati e più dall’identificazione di un comportamento che è troppo coerente per essere organico.

Oltre la verifica dell’identità, quali segnali dovrebbero monitorare le piattaforme?

La verifica statica e unica al momento dell’iscrizione non è più sufficiente. I truffatori passano regolarmente i controlli di base e poi operano senza controllo.

La protezione moderna richiede una verifica continua e adattiva che risponda al rischio man mano che emerge. Ciò significa analizzare la profondità dell’impronta digitale, l’intelligenza del dispositivo e la telemetria del comportamento in tempo reale, sia prima che durante l’interazione dell’utente.

I segnali tecnici come l’impronta digitale del dispositivo persistente, la rilevazione dei proxy, il riutilizzo delle infrastrutture e i marcatori di automazione sono critici. Ma altrettanto importanti sono i segnali di comportamento: il ritmo delle conversazioni, l’accelerazione rapida della fiducia, i tentativi di spostare le interazioni fuori dalla piattaforma e i modelli di messaggistica tra account.

L’obiettivo è la presa di decisioni consapevoli del contesto, soprattutto prima che si verifichi l’investimento emotivo. Invece di chiedere “Esiste questa identità?”, le piattaforme devono chiedere “Questo ente si comporta come un essere umano legittimo nel tempo?”

Come la frode guidata dall’AI sfida i team tradizionali e cosa significa la mitigazione in tempo reale?

La frode abilitata dall’AI è scalabile, adattiva e continua. Comprime i cicli di attacco e sovraccarica la capacità di revisione manuale. Le tattiche evolvono a metà dell’interazione, il che rende obsolete le regole statiche.

I modelli di moderazione tradizionali sono reattivi. Esaminano i casi dopo che il danno è iniziato. Ma se non hai una presa di decisioni in tempo reale incorporata nella tua pila, stai giocando a difesa dopo che il danno è stato fatto.

La mitigazione in tempo reale significa valutare il rischio in millisecondi durante l’onboarding e la prima interazione. Significa utilizzare l’analisi basata su grafi per scoprire reti coordinate piuttosto che valutare gli account in isolamento. Significa la soppressione automatizzata di cluster ad alto rischio prima che vengano concessi i privilegi di messaggistica.

La frode sta aumentando e specializzandosi contemporaneamente. Il campo di battaglia si è spostato dall’abuso ovvio alla manipolazione dell’identità di precisione. La difesa deve passare dalla moderazione reattiva all’orchestrazione live.

Qual è il più grande malinteso che gli utenti hanno?

Molti utenti suppongono che se un profilo esiste, è stato verificato a fondo. Equivalgono la longevità con la legittimità e le foto che sembrano autentiche con l’autenticità.

In realtà, la verifica è stratificata e probabilistica. Le piattaforme riducono il rischio, ma non possono garantire l’autenticità in ogni momento. Superare un controllo in un momento non significa legittimità continua.

La sicurezza è gestita dal rischio, non garantita. La presenza di un profilo significa che un account ha superato determinati soglie, non che rappresenti un’identità umana completamente autenticata in modo permanente.

Qual è la singola capacità di prodotto che alzerebbe di più la barriera per gli scammers?

La capacità più impattante sarebbe un centro di comando per la frode in tempo reale incorporato direttamente nell’onboarding che possa valutare il rischio a livello di entità attraverso segnali di dispositivo, email, telefono e rete prima che la messaggistica inizi. Può rilevare modelli di cluster a livello precoce, non dopo che le vittime segnalano il danno. Può applicare attrito progressivo e consapevole del contesto invece della verifica generale.

La protezione più efficace si verifica prima che venga inviato il primo messaggio. Una volta iniziato l’impegno emotivo, il carico difensivo aumenta notevolmente.

Come le piattaforme possono bilanciare la rilevazione della frode e l’esperienza dell’utente?

Il presunto compromesso tra un’esperienza senza attrito e una sicurezza è una cattiva progettazione del sistema, non una legge immutabile.

La prevenzione della frode intelligente applica un attrito dinamico, aumentando la verifica solo quando i segnali di comportamento o tecnici lo giustificano. Gli utenti a basso rischio si muovono in modo fluido. Il rischio elevato scatena un’indagine più approfondita.

Quando le piattaforme misurano la sicurezza e la conversione insieme, la prevenzione della frode migliora l’esperienza dell’utente. Rimuovere gli attori cattivi all’inizio aumenta la fiducia e riduce il fallout emotivo e finanziario che guida il turnover degli utenti.

La precisione sostituisce l’attrito generale.

Qual è il ruolo che le piattaforme di prevenzione della frode esterne dovrebbero svolgere?

Nessuna singola piattaforma di appuntamenti vede l’intero panorama delle minacce. Le reti di frode operano attraverso settori, piattaforme e geografie.

L’85% delle organizzazioni pianifica di aggiungere o sostituire un fornitore di frode nel 2026, secondo il rapporto di SEON. Ciò segnala che i leader riconoscono la necessità di un’intelligenza più forte e più integrata.

Le piattaforme di prevenzione della frode esterne forniscono un arricchimento dei segnali cross-industry e un riconoscimento di modelli più ampio. Rilevano il riutilizzo delle infrastrutture, le tattiche di AI avversarie emergenti e le reti coordinate che potrebbero non essere visibili all’interno di un singolo ecosistema.

L’intelligenza sulla frode si rafforza quando la visibilità si espande. Mentre l’AI consente agli aggressori di coordinarsi su larga scala, la difesa deve diventare altrettanto reticolata e adattiva.

Quali nuove capacità di AI gli scammers sfrutteranno nei prossimi 12-18 mesi?

Stiamo entrando in un’era di AI avversariale, o sistemi progettati specificamente per ingannare altri sistemi di AI.

Il rapporto di SEON nota che il 25% dei leader cita ora l’uso avanzato di AI e le tecniche di offuscamento dei criminali come una delle principali minacce esterne. Quella preoccupazione è ben fondata.

Ci si può aspettare più tentativi di bypass della liveness con deepfake, clonazione vocale in tempo reale per l’escalation fuori piattaforma e mimetizzazione del comportamento guidata dall’AI addestrata su dati di utenti legittimi. I truffatori potrebbero “invecchiare” le persone fittizie nel tempo per simulare una storia a lungo termine e costruire gradualmente la fiducia prima dell’attivazione.

La sfida definitiva sarà dimostrare l’umanità attraverso segnali comportamentali, biometrici e ambientali sfumati piuttosto che credenziali statiche.

Qual è il consiglio che darebbe agli utenti che sospettano uno scammers assistito dall’AI?

Rallenta l’interazione. Le truffe assistite dall’AI si basano sull’accelerazione emotiva e sull’urgenza.

Sii scettico nei confronti di relazioni che si muovono rapidamente, soprattutto se appaiono narrazioni di difficoltà finanziarie. Non inviare mai denaro al di fuori della piattaforma. Richiedi un’impegno video in tempo reale non scriptato e verifica indipendentemente le immagini attraverso ricerche inverse.

Se qualcosa sembra sbagliato, segnalalo immediatamente. La segnalazione precoce consente alle piattaforme di rilevare i cluster e di smantellare le reti coordinate prima che vengano danneggiati più utenti.

L’amore dovrebbe sentirsi organico. Quando il comportamento sembra ingegnerizzato, spesso lo è.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare SEON.