Husnain Bajwa, SVP van Product bij SEON – Interviewreeks

Husnain Bajwa, SVP van Product bij SEON, leidt de productstrategie voor het bedrijfs risico- en fraudepreventieoplossingen, met meer dan twee decennia ervaring in netwerken, cybersecurity en ondernemingstechnologie. Gevestigd in Austin, was hij eerder VP van Productstrategie en VP van Globale Verkoopengineering bij Beyond Identity, en eerder zeven jaar lang een onderscheiden ingenieur bij Aruba Networks. Bajwa heeft ook leiderschapsrollen gehad bij Ericsson en BelAir Networks en was mede-oprichter van CardioAssure. Zijn carrière combineert diepe technische expertise met productleiderschap in telecommunicatie, beveiliging en digitale infrastructuur.

SEON is een fraudepreventie- en anti-witwasplatform dat bedrijven helpt om digitale fraude te detecteren en stoppen over de hele klantlevenscyclus. Het bedrijfs technologie analyseert honderden gegevenssignalen, waaronder e-mail, apparaat, IP en gedragspatronen, om verdachte activiteit in real-time te identificeren. Het platform combineert machine learning-risicobeoordeling met aanpasbare regels om organisaties te helpen fraude te verminderen, complianceprocessen te automatiseren en legitieme gebruikers over verschillende industrieën te beschermen, zoals fintech, e-commerce en online gaming.

Hoe heeft toegankelijke generatieve AI de romance- en datingapp-fraude in de afgelopen 12 maanden veranderd?

Generatieve AI is een vermenigvuldigingsfactor voor fraude geworden. Het heeft de drempel voor geavanceerde romancefraude aanzienlijk verlaagd, waardoor aanvallers toegang hebben tot dezelfde krachtige tools die legitieme bedrijven gebruiken.

Volgens SEON’s 2026 Fraud & AML Leaders Report gebruiken 98% van de organisaties nu AI in fraude- en compliance-workflows. Dezelfde realiteit geldt voor criminelen. AI is geen experiment meer. Het is nu baseline. Wat vroeger geduld, sociale ingenieursvaardigheden en taalvaardigheden vereiste, kan nu worden geautomatiseerd.

Fraudeurs bouwen volledig synthetische identiteiten van de grond af, complete met oude e-mailaccounts, geloofwaardige foto’s, geloofwaardige levensverhalen en ondersteunende digitale signalen. Elk signaal kan in isolatie legitiem lijken, maar samen vormen ze een identiteit die specifiek voor misleiding is ontworpen.

Taal is geen betrouwbare aanwijzing meer, aangezien AI grammaticale fouten en tooninconsistenties elimineert. Het maakt emotioneel coherent gesprek mogelijk dat dynamisch aanpast aan de reacties van het slachtoffer. Een enkele acteur kan nu honderden persona’s tegelijk beheren.

Het resultaat is fraude die van begin tot eind legitiem lijkt. Romancefraude is verschoven van geïsoleerde slechte actoren naar gecoördineerde, AI-ondersteunde operaties die continu op machinesnelheid draaien.

Wat zijn drie subtiele rode vlaggen die AI-gegenereerde profielen vertonen?

De eerste rode vlag is wat ik digitale voetafdrukonevenwichtigheid zou noemen. Het profielverhaal is rijk en gedetailleerd, maar de langetermijndigitale uitlaatgassen komen niet overeen met die diepte. AI kan verhalen onmiddellijk genereren, maar het heeft moeite om jaren van consistente, cross-channel gedragsgeschiedenis te repliceren.

De tweede rode vlag verschijnt wanneer u uitzoomt en naar groepen accounts kijkt. Individueel zien accounts er overtuigend uit. Maar wanneer u ze collectief bekijkt, komen statistische overeenkomsten naar voren, zoals gedeelde apparaatvingerafdrukken, soortgelijke registratietiming en infrastructuuroverlapping. Fraude verbergt zich steeds vaker in patroonovereenkomsten in plaats van voor de hand liggende fouten.

De derde rode vlag is verdacht perfect gedrag. Menselijke activiteit bevat willekeur. Mensen melden zich onregelmatig aan, veranderen van toon tijdens het gesprek en gedragen zich onvoorspelbaar. AI-gegenereerde persona’s introduceren vaak mechanische precisie, zoals gelijkmatig gepaceerde berichten, geoptimaliseerde gebruikersnamen en gecontroleerde activiteitdiepte. Detectie vandaag de dag hangt minder af van het opsporen van slordige fouten en meer van het identificeren van gedrag dat te consistent is om natuurlijk te zijn.

Welke signalen moeten platforms naast identiteitsverificatie controleren?

Statische, eenmalige verificatie bij aanmelding is niet langer voldoende. Fraudeurs passeren routinematig basiscontroles en opereren vervolgens ongecontroleerd.

Modern bescherming vereist continue, adaptieve verificatie die reageert op risico zodra het zich voordoet. Dat betekent het analyseren van digitale voetafdiepte, apparaatintelligentie en gedragspeiling in real-time, zowel voor als tijdens gebruikersinteractie.

Technische signalen zoals persistente apparaatvingerafdrukken, proxydetectie, infrastructuurhergebruik en automatiseringsmarkers zijn kritiek. Maar even belangrijk zijn gedragsignalen: gesprekspacing, snelle vertrouwensversnelling, pogingen om interacties van het platform af te leiden en cross-accountberichtpatronen.

Het doel is contextueel beslissen, vooral voordat emotionele investering plaatsvindt. In plaats van te vragen “Bestaat deze identiteit?”, moeten platforms vragen: “Gedraagt deze entiteit zich als een legitieme mens in de loop van de tijd?”

Hoe daagt AI-gedreven fraude traditionele teams uit en wat ziet reëlemitigatie eruit?

AI-geactiveerde fraude is schaalbaar, adaptief en continu. Het comprimeert aanvalscycli en overweldigt handmatige beoordelingscapaciteit. Tactieken evolueren tijdens de betrokkenheid, waardoor statische regelsets verouderd raken.

Traditionele moderatiemodellen zijn reactief. Ze beoordelen gevallen nadat schade is toegebracht. Maar als u geen reëlemitigatie in uw stack heeft, speelt u verdediging nadat de schade is toegebracht.

Reëlemitigatie betekent risico’s beoordelen in subseconden bij onboarding en eerste interactie. Het betekent het gebruik van grafische analyse om gecoördineerde netwerken te ontdekken in plaats van accounts in isolatie te beoordelen. Het betekent geautomatiseerde onderdrukking van hoogrisicoclusters voordat berichtprivileges worden verleend.

Fraude neemt gelijktijdig toe en specialiseert. Het slagveld is verschoven van voor de hand liggende misbruik naar precisieidentiteitsmanipulatie. Verdediging moet zich verplaatsen van reactieve moderatie naar live-orchestratie.

Wat is de grootste misvatting die gebruikers hebben?

Veel gebruikers gaan ervan uit dat als een profiel bestaat, het grondig is geverifieerd. Ze associëren levensduur met legitimiteit en authentieke foto’s met authenticiteit.

In werkelijkheid is verificatie laag voor laag en probabilistisch. Platforms verminderen risico’s, maar ze kunnen authenticiteit niet garanderen op alle momenten. Het doorstaan van een controle op een bepaald moment betekent niet noodzakelijk continue legitimiteit.

Veiligheid wordt risicogestuurd, niet gegarandeerd. De aanwezigheid van een profiel betekent dat een account bepaalde drempels heeft bereikt, niet dat het een volledig geauthenticeerde menselijke identiteit vertegenwoordigt.

Welke enkele productcapaciteit zou de drempel voor scammers het meest verhogen?

De meest impactvolle capaciteit zou een real-time fraudecommandocentrum zijn dat rechtstreeks in de onboarding is geïntegreerd en dat entiteitsrisico’s kan beoordelen over apparaat-, e-mail-, telefoon- en netwerksignalen voordat berichten beginnen. Het kan clusterpatronen detecteren voordat slachtoffers schade melden. Het kan progressieve, contextuele wrijving toepassen in plaats van blancoverificatie.

De meest effectieve bescherming gebeurt voordat het eerste bericht wordt verzonden. Zodra emotionele betrokkenheid begint, neemt de defensieve last aanzienlijk toe.

Hoe kunnen platforms fraude detectie en gebruikerservaring in balans brengen?

Het veronderstelde compromis tussen frictieloos en beveiligd is slechte systeemontwerp, niet een onveranderlijke wet.

Slimme fraudepreventie past dynamische wrijving toe, waarbij verificatie alleen wordt verhoogd wanneer technische of gedragsignalen het rechtvaardigen. Laagrisicogebruikers verplaatsen zich naadloos. Verhoogd risico activeert diepere controle.

Wanneer platforms veiligheid en conversie met elkaar meten, verbetert fraudepreventie de gebruikerservaring. Het verwijderen van slechte actoren in een vroeg stadium verhoogt vertrouwen en vermindert de emotionele en financiële gevolgen die gebruikersverloop veroorzaken.

Precisie vervangt blanco wrijving.

Welke rol moeten externe fraudepreventieplatforms spelen?

Geen enkel datingsplatform ziet het volledige bedreigingslandschap. Fraudenetwerken opereren over industrieën, platforms en geografische gebieden heen.

85% van de organisaties plant om in 2026 een fraudeleverancier toe te voegen of te vervangen, volgens SEON’s rapport. Dit duidt erop dat leiders de noodzaak erkennen van sterkere, geïntegreerde inzichten.

Externe fraudepreventieplatforms bieden cross-industry signaalverrijking en bredere patroonherkenning. Ze detecteren infrastructuurhergebruik, opkomende adversariale AI-tactieken en gecoördineerde netwerken die mogelijk niet zichtbaar zijn binnen één ecosysteem.

Fraude-intelligentie wordt sterker wanneer zichtbaarheid wordt uitgebreid. Aangezien AI aanvallers in staat stelt om op grote schaal te coördineren, moet verdediging eveneens netwerk- en adaptief worden.

Welke nieuwe AI-mogelijkheden zullen scammers in de komende 12 tot 18 maanden gebruiken?

We gaan een tijdperk van adversariale AI binnen, of systemen die specifiek zijn ontworpen om andere AI-systemen te misleiden.

SEON’s rapport meldt dat 25% van de leiders nu de voortschrijdende gebruik van AI en verhullingsTechnieken door criminelen als een van de belangrijkste externe bedreigingen noemen. Die zorg is goed gefundeerd.

We kunnen verwachten dat er meer deepfake-liveness-bypasspogingen, real-time stemkloon voor off-platform-escalatie en AI-gedreven gedragsmimicry getraind op legitieme gebruikersgegevens zullen zijn. Fraudeurs kunnen “leeftijd” persona’s over tijd simuleren om een lange geschiedenis te simuleren en langzaam vertrouwen op te bouwen voordat ze worden geactiveerd.

De definitieve uitdaging zal zijn om menselijkheid te bewijzen door middel van subtiele gedrags-, biometrische en omgevingsignalen in plaats van statische referenties.

Wat is uw advies aan gebruikers die vermoeden dat een AI-ondersteunde scammer betrokken is?

Vertraag de interactie. AI-ondersteunde scams vertrouwen op emotionele versnelling en urgentie.

Wees sceptisch over snel verlopende relaties, vooral als financiële noodverhalen verschijnen. Stuur nooit geld buiten het platform. Vraag ongeënsceneerde, real-time video-interactie en verifieer afbeeldingen onafhankelijk door middel van omgekeerde zoekopdrachten.

Als iets niet klopt, meld het onmiddellijk. Vroegtijdige melding stelt platforms in staat om clusters te detecteren en gecoördineerde netwerken te ontmantelen voordat meer gebruikers worden geschaad.

Romance moet natuurlijk aanvoelen. Wanneer gedrag geëngineerd aanvoelt, is het dat vaak ook.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten SEON bezoeken.