시프트의 Kris Nagel CEO 인터뷰 시리즈

Kris는 Sift의 최고 경영자입니다. 그는 Ping Identity를 포함한 벤처 지원 및 공공 SaaS 회사에서 30년 이상의 경영 경력을 가지고 있습니다. Sift는 기업이 결제 사기를 종료할 수 있는 방법을 제공하며, 단일의 직관적인 콘솔로 구축된 Sift의 종단 간 솔루션은 분리된 도구, 단일 목적의 소프트웨어 및 불완전한 통찰력이 운영 리소스를 소진시키는 것을 제거합니다.

이전 역할에서 Ping Identity의 최고 운영 책임자였던 Ping Identity에서 2019년에 회사에 공개되기 위해 중요한 역할을 수행했습니다. 이 경험에서 얻은 주요 교훈은 무엇입니까?

회사에 공개되기란 큰 일입니다. 제품 개발 및 규모 확대는 모두 이 里程碑 이전과 이후에 복잡한 조직적 문제를 해결하는 방법, 사용자 경험을 계속 혁신하고 재창조하는 방법, 팀을 성장시키고 팀원에게 최고의 작업을 수행할 수 있는 권한을 부여하는 방법을 가르쳤습니다. 저는 고객, 파트너 및 팀의 사람들에 대한 깊은 이해가 모든 역할에서 성공의 출발점이어야 한다는 것을 전반적으로 배웠습니다.

2023년 1월에 Sift의 CEO로 합류했습니다. 이 새로운 도전에 매력을 느끼게 된 것은 무엇입니까?

사기는 끊임없이 성장하고 발전하는 문제이며, 도박은 명확합니다. 전 세계 전자 상거래 사기 손실은 2023년 말까지 48억 달러에 이를 것으로 예상되며 (2022년 대비 16%의 연간 증가), 기업은 전 세계적으로 평균 10%의 수입을 사기 관리에 지출했습니다. 그러나 기업이 사기를 효과적으로 관리하지 못하면 합법적인 고객을 제외하거나 “侮辱”하여 수입을 잃을 수 있습니다.

Sift는 기계 학습을 사용하여 이 문제를 해결하는 최초의 이점을 가지고 있으며, 핵심 기술 및 글로벌 데이터 네트워크는 사기 예방 분야에서 이를 구별합니다. 34,000개 이상의 사이트와 앱, Twitter, DoorDash (DASH ), Poshmark 및 Uphold를 포함한 많은 곳이 Sift를 사용합니다. 이러한 차별화와 장기적인 고객 파트너십에 대한 강한 초점은 저의 결정에 쉽게 만들었습니다.

사기와 스팸에 대한巨大한 보안 위협인 생성적 AI는 무엇입니까?

생성적 AI는 사기꾼에게 게임 체인저로 나타나고 있습니다. 사기는 과거에는 문법 및 철자 오류로 쉽게 구별할 수 있었습니다. 생성적 AI를 사용하면 악의적인 행위자가 합법적인 회사와 고객을 속여 민감한 로그인 또는 금융 정보를 제공하도록 속일 수 있습니다.

생성적 AI 플랫폼은 텍스트 변형을 제안하여 사기꾼이 단일 플랫폼에서 여러 개의 구별되는 계정을 생성할 수 있습니다. 예를 들어, 100개의 새로운 가짜 데이트 프로필을 생성하여 암호화폐 로맨스 사기를 저지를 수 있으며, 각 프로필에는 고유한 AI 생성된 얼굴과 바이오가 있습니다. 이러한 방식으로 생성적 AI는 기술에 익숙하지 않은 사람이라도 자격 증명이나 결제 정보를 사용하여 사기를 치는 것을 더 쉽게 만들어 사기 민주화를 가능하게 합니다.

Sift는 최근 “AI 및 자동화로 인해 소비자와 기업이 사기와 스팸으로 물들었다”라는 보고서를 발표했습니다. 이 보고서에서 가장 큰驚き는 무엇입니까?

우리는 AI와 자동화가 사기 풍경을 변경할 것이라는 것을 알았지만, 이 변화의 속도와 규모는真正로 놀랍습니다. 미국의 68% 이상의 소비자는 11월, 생성적 AI 도구가 채택되기 시작한 때 이후로 스팸 및 사기가 증가했다고 보고하며, 우리는 이러한 두 추세가 강하게 상관관계가 있다고 믿습니다. 또한, 계정 탈취 공격의 급증을 관찰했으며, 2023년 1분기에 ATO 공격률은 2022년 전체보다 427% 증가했습니다. 분명히, 이러한 사건은 관련이 있으며, 생성적 AI는 사기꾼이 더 설득력 있고 대규모 사기를 만들 수 있게 하여 ATO 공격의 물결을 일으키게 합니다.

이 보고서에는 또한 “사기-서비스”가 어떻게 발전하고 있는지에 대한 일부 방법이 나와 있습니다. Telegram과 같은 공개 포럼은 사기를 저지르고 싶은 사람들에게 진입 장벽을 낮추고 있으며, 우리는 사기 그룹이 봇 공격을 서비스로 제공하는 것을 강조했습니다. 또한, 소비자가 금융 계정의 일회용 패스코드를 제공하도록 속이는 도구를 강조했습니다. 이러한 도구는 다른 사람에게 상대적으로 작은 비용으로 쉽게 접근할 수 있습니다.

Sift Digital Trust & Safety Platform이란 무엇입니까?

기업은 Sift를 사용하여 사기로부터 비즈니스를 보호할 수 있는 도구를 가지고 자신감을 가지고 구축하고 배포할 수 있습니다. 악의적인 행위자를 막으면서 고객에게 무제한의 경험을 제공하는 것입니다. 수입을 증가시키고 마찰을 줄입니다.

우리의 사명은 모든 사람이 인터넷을 신뢰할 수 있도록 도와주는 것입니다. 우리의 플랫폼은 기계 학습과巨大한 데이터 네트워크를 사용하여 다양한 유형의 사기와 악용으로부터 비즈니스를 보호합니다. 우리는 온라인 사기에 기계 학습을 적용한 최초의 회사 중 하나였으며, 이는 우리의 글로벌 기계 학습 모델에 반영된 엄청난 통찰력을 가지고 있습니다. 이 모델은 매년 1조 개 이상의 이벤트를 처리합니다. 플랫폼의 아름다움은 고객이 많을수록 모델이 더 지능적으로 되므로 사기를 중단하고 실제 사용자 및 고객에게 마찰을 줄일 수 있습니다.

플랫폼 내에서 우리는 결제 보호, 계정 방어, 콘텐츠 무결성 및 분쟁 관리를 제공합니다.

이 플랫폼은 경쟁하는 사기 도구와 어떻게 차별화될 수 있습니까?

사기 예방 벤더는 시장에 많습니다. 그러나 대부분은 두 가지 범주에 속합니다. 점 솔루션 또는 의사 결정 서비스입니다. 점 솔루션은 일반적으로狭い 범위가 있으며 하나의 사용 사례를 해결하도록 설계되었습니다. 의사 결정 서비스 솔루션은 더 포괄적이지만 많은 사기 관리 기능이 부족하며, 의사 결정 논리를 “블랙 박스”로 처리합니다.

Sift의 가장 구별되는 특징 중 하나는 여러 유형의 사기를 모두 산업에서 싸울 수 있는 솔루션을 제공한다는 것입니다. 사기는 산업에 구애받지 않는 도전이며, 우리는 한 산업의 사기 문제가 다른 산업의 문제가 되는 방법에 대한 고유한 통찰력을 가지고 있습니다. 의사 결정 엔진, 사례 관리, 오케스트레이션, 보고 및 시뮬레이션과 같은 모든 기능에서 우리는 고객에게 제어를 제공하는 것을 우선시합니다. 각 회사는 고유하며, 이 맞춤형 규칙을 수정하고 시뮬레이션을 플랫폼 내에서 조정할 수 있습니다. 또한 사기를 방지하는 가장 좋은 방법은 그것에 대해 투명하다는 것을 믿습니다. 우리의 의사 결정 엔진은 분석가에게 승인, 도전 또는 거부된 이유를 설명합니다. 또한 모델의 성능을 측정하기 위해 보고서를 제공합니다.

Sift Score란 무엇이며, 기계 학습에 대한 지속적인 자기 개선을 어떻게 가능하게 합니까?

Sift 고객은 사기 패턴을 감지하고 웹사이트 또는 앱에서 공격을 방지하기 위해 기계 학습 알고리즘을 사용합니다. Sift Score는 0에서 100까지의 숫자로, 알고리즘에 의해 각 이벤트(또는 활동)에 할당되며, 행동이 사기일 가능성을 나타냅니다.

각 제품은 자신의 기계 학습 모델을 지원하지만, 우리는 또한 Sift 고객을 위해 맞춤형 알고리즘을 제공합니다. 산업에 따라 사기 신호가 다를 수 있습니다. 예를 들어, 보험, 식품 또는 의류를 판매하는 경우에 따라 다를 수 있습니다. Sift는 자세한 사항을 분석하여 시간, 이메일 주소의 특성 및 로그인 시도를 분석합니다. 이러한 신호가 결합되어 특정 이벤트에 대한 점수를 생성합니다. Sift 점수는 고객 간에 공유되지 않습니다.

Sift에서 개발된 사기와 스팸을 싸우기 위한 흥미로운 제품 중 하나는 Text Clustering이라고 합니다. 이것은 무엇입니까?

스팸 텍스트는 온라인 플랫폼을 괴롭히며, 스팸러는 종종 동일하거나 매우 유사한 콘텐츠를 반복적으로 게시합니다. 우리는 이 유형의 텍스트를 식별하고 클러스터링하여 분석가가 일괄 작업을 결정할 수 있도록 Text Clustering 기능을 구축했습니다. 그러나 모든 반복되는 텍스트가 스팸은 아닙니다. 예를 들어, 전자 상거래 판매자는 여러 웹사이트에 동일한 제품과 설명을 나열할 수 있습니다.

이 도전을 효과적으로 해결하기 위해, 우리는 새로운 유형의 콘텐츠 사기를 감지하고 분석가에게 최종 제어를 제공하는 방법을 찾았습니다. 신경망과 기계 학습의 조합을 통해 Text Clustering은 유사한 텍스트를 그룹화할 수 있습니다. 이 플래그된 콘텐츠는 함께 레이블링되며, 실제로 스팸인 경우 분석가는 일괄 작업을 수행할 수 있습니다.

기업은 생성적 AI에 의해 조작되는 악의적인 공격이나 기타 유형의 악의적인 공격으로부터 자신을 가장 잘 방어할 수 있습니까?

소비자의 절반 이상(54%)이 사기꾼에게 의도하지 않게 결제 정보를 제공한 경우에는 책임이 없다고 생각합니다. 거의 4분의 1(24%)은 구매가 이루어진 비즈니스가 책임이 있다고 생각합니다. 즉, 사기를 중단하는 책임은 소비자가 매일 의존하는 플랫폼과 서비스에 있습니다.

생성적 AI의 초기 단계에 있습니다. 현재의 위협은 6개월 후에 볼 수 있는 위협과 다를 것입니다. 그러나 비즈니스는 사기를 방지하기 위해 기계 학습과 같은 AI 기술을 사용하여 사기를 막아야 합니다. 실시간 기계 학습은 사기와의 속도, 규모 및 정교함을 따라가기 위해 중요합니다. 수동 프로세스에서 벗어나지 않는 상인들은 이미 자동화된 사기꾼에게 뒤처질 것입니다. 이 종단 간 접근 방식을 채택하는 회사들은 사기 감지 정확도를 40% 개선할 수 있습니다. 이는 사기꾼을 더 잘 식별하고 고객이나 비즈니스에 피해를 주기 전에 그들을 막을 수 있습니다.

Sift에 대해 공유하고 싶은 것이 더 있습니까?

우리가 최근에 구현한 이니셔티브 중 하나는 고객 커뮤니티인 Sifters입니다. 모든 Sift 사용자에게 열려 있으며, 고객, 내부 전문가 및 디지털 네트워크의 상인 및 데이터 간의 브리지 역할을 합니다. 이는 산업의 통찰력을 수집하고 사기 예방의 교차 시장 도전에 대한 해결책을 찾는 데 유용한 허브였습니다. 또한, 사기꾼이 비즈니스와 소비자를 해칠 수 있도록 협력하는 커뮤니티를 가지고 있기 때문에, 사기와 싸우는 네트워크를 만들기 위해 네트워크가 필요합니다.