Husnain Bajwa, SVP for produkt i SEON – Intervju-serie

Husnain Bajwa, SVP for produkt i SEON, leder produktstrategi for selskapets risiko- og svindelforhindre løsninger, med over to tiårs erfaring innen nettverk, cybersikkerhet og bedriftsteknologi. Basert i Austin, har han tidligere vært VP for produktstrategi og VP for Global Sales Engineering i Beyond Identity, og tidligere tilbragt syv år som en distingvert ingeniør i Aruba Networks. Bajwa har også hatt lederroller i Ericsson og BelAir Networks og var med å grunnlegge CardioAssure. Hans karriere kombinerer dypt teknisk ekspertise med produktledelse på tvers av telekommunikasjon, sikkerhet og digital infrastruktur.

SEON er en plattform for svindelforhindre og anti-pengetvettelser som hjelper bedrifter med å oppdage og stoppe digital svindel gjennom hele kundens livssyklus. Selskapets teknologi analyserer hundrevis av datasignaler – inkludert e-post, enhet, IP og atferdmønster – for å identifisere mistenkelig aktivitet i sanntid. Plattformen kombinerer maskinlæring-risikovurdering med tilpassbare regler for å hjelpe organisasjoner med å redusere svindel, automatisere samsvarprosesser og beskytte legitime brukere på tvers av bransjer som finansteknologi, e-handel og nettspill.

Hvordan har tilgjengelig generativ AI endret romance og dating-app-svindel de siste 12 månedene?

Generativ AI har blitt en kraftmultiplier for svindel. Den har dramatisk redusert terskelen for sofistikert romance-svindel, og gitt angripere tilgang til de samme høytytende verktøyene som legitime bedrifter bruker.

Ifølge SEONs 2026-rapport om svindel og AML-ledere, bruker 98% av organisasjonene nå AI i svindel- og samsvarprosesser. Den samme realiteten gjelder for kriminelle. AI er ikke lenger eksperimentell. Den er nå en standard. Det som tidligere krevde tålmodighet, sosial ingenørkunst og språkferdighet kan nå automatiseres.

Svindlere bygger fullstendig syntetiske identiteter fra bunnen av, komplett med eldre e-postkontoer, troverdige bilder, plausibler livshistorier og støttende digitale signaler. Hver signal kan synes legitim i isolasjon, men sammen danner de en identitet som er konstruert utelukkende for bedrageri.

Språk er ikke lenger en pålitelig indikator, da AI eliminerer grammatikkmisser og toneuoverensstemmelser. Den muliggjør emosjonelt koherente samtaler som tilpasser seg ofrens svar dynamisk. En skuespiller kan nå håndtere hundrevis av personer samtidig.

Resultatet er svindel som ser legitim ut fra start til slutt. Romance-svindel har skiftet fra isolerte dårlige aktører til koordinerte, AI-assisterte operasjoner som kjører kontinuerlig i maskinens hastighet.

Hva er tre subtile røde flagg som AI-genererte profiler viser?

Det første røde flagget er det jeg ville kalle digital fotavtrykk-ubalanse. Profilhistorien er rik og detaljert, men den lange digitale eksosen ikke matcher den dybden. AI kan generere narrative umiddelbart, men den sliter med å replikere år med konsekvent, tverrkanel-atferdshistorie.

Det andre røde flagget viser seg når du zoomer ut og ser på grupper av kontoer. Individuelt ser kontoene overbevisende ut. Men når du ser på dem kollektivt, viser statistiske likheter seg, som delt enhetsfingeravtrykk, lignende registreringstid og infrastruktur-overlapp. Svindel skjuler seg stadig oftere i mønsterlikhet fremfor åpenbare feil.

Tredje er mistenkelig perfekt atferd. Menneskelig aktivitet inneholder tilfeldighet. Folk logger inn uregelmessig, skifter tone midt i samtalen og oppfører seg uforutsigbart. AI-genererte personer introduserer ofte mekanisk presisjon, som jevnt pacede meldinger, optimalt valgte brukernavn og kontrollert aktivitetshøyde. Oppdaging i dag avhenger mindre av å spore udyktige feil og mer av å identifisere atferd som er for konsekvent til å være organisk.

Utenom identitetsverifisering, hva signaler bør plattformene overvåke?

Statiske, enkeltverifisering ved oppstart er ikke lenger tilstrekkelig. Svindlere passerer ofte grunnleggende sjekker og opererer deretter uhemmet.

Moderne beskyttelse krever kontinuerlig, adaptiv verifisering som reagerer på risiko så snart det oppstår. Det betyr å analysere digital fotavtrykk-dybde, enhetsintelligens og atferdstelemetri i sanntid, både før og under brukerinteraksjon.

Tekniske signaler som varig enhetsfingeravtrykk, proxy-oppdaging, infrastruktur-gjenbruk og automasjonsmarkører er kritiske. Men like viktig er atferdssignaler: samtalehastighet, rask tillitsakselerasjon, forsøk på å flytte interaksjoner utenfor plattformen og krysning av meldingsmønster.

Målet er kontekst-bevisst beslutning, spesielt før emocionell investering skjer. I stedet for å spørre “Finnes denne identiteten?”, må plattformene spørre “Oppfører denne enheten seg som en legitim menneske over tid?”

Hvordan utfordrer AI-drevet svindel tradisjonelle team og hva ser sanntids-mildring ut som?

AI-aktivert svindel er skalerbart, adaptivt og kontinuerlig. Den komprimerer angreps-sykluser og overvelder manuell gjennomgangskapasitet. Taktikker utvikler seg midt i engasjementet, noe som gjør statiske regelsammensetninger foreldet.

Tradisjonelle modereringsmodeller er reaktive. De gjennomgår saker etter skaden er skjedd. Men hvis du ikke har sanntids-beslutning integrert i din stack, spiller du forsvar etter at skaden er skjedd.

Sanntids-mildring betyr å score risiko i under-sekunder ved oppstart og første interaksjon. Det betyr å bruke graf-basert analyse for å avdekke koordinerte nettverk i stedet for å vurdere kontoer i isolasjon. Det betyr automatisert undertrykkelse av høyrisiko-kluster før meldingsprivilegier er gitt.

Svindel øker samtidig som den spesialiserer seg. Slagmarken har skiftet fra åpenbart misbruk til presisjon-identitetsmanipulering. Forsvaret må flytte seg fra reaktiv moderering til live-orkestrering.

Hva er den største misforståelsen brukerne har?

Mange brukere antar at hvis en profil finnes, har den blitt dypt verifisert. De liker å se lengde med legitimitet og autentisk-utseende bilder med autentisitet.

I virkeligheten er verifisering lagvis og probabilistisk. Plattformene reduserer risiko, men de kan ikke garantere autentisitet hele tiden. Å bestå en kontroll på et tidspunkt betyr ikke kontinuerlig legitimitet.

Sikkerhet er risikostyrt, ikke garantert. Tilstedeværelsen av en profil betyr at en konto møtte visse terskler, ikke at den representerer en fullt autentisert menneskelig identitet for alltid.

Hva er den enkelt produktfunksjonen som ville heve terskelen for svindlere mest?

Den mest innvirkende funksjonen ville være et sanntids-svindel-kommandosenter integrert direkte i oppstarten som kan vurdere enhetsrisiko på tvers av enhet, e-post, telefon og nettverkssignaler før meldingen begynner. Det kan oppdage kluster-mønster tidlig, ikke etter at ofre har meldt skade. Det kan bruke progressiv, kontekst-bevisst friksjon i stedet for blanket-verifisering.

Den mest effektive beskyttelsen skjer før den første meldingen sendes. Når emotionell engasjement begynner, øker forsvarsbyrden betydelig.

Hvordan kan plattformene balansere svindeldeteksjon og brukeropplevelse?

Den påståtte avveien mellom friksjonsløs og sikker er dårlig systemdesign, ikke en uforanderlig lov.

Smart svindelforhindreelse anvender dynamisk friksjon, eskalerer verifisering kun når atferdsmessige eller tekniske signaler berettiger det. Lav-risiko-brukere flytter seg jevnt. Forhøyet risiko utløser dyptere granskning.

Når plattformene måler sikkerhet og konvertering sammen, forbedrer svindelforhindreelse brukeropplevelsen. Fjerning av dårlige aktører tidlig øker tillit og reduserer den emosjonelle og finansielle skaden som driver bruker-avhopping.

Presisjon erstatter blanket-friksjon.

Hva rolle bør eksterne svindelforhindreelses-plattformer spille?

Ingen enkelt dating-plattform ser hele trussel-landskapet. Svindelnettverk opererer på tvers av bransjer, plattformer og geografier.

85% av organisasjonene planlegger å legge til eller erstatte en svindel-leverandør i 2026, ifølge SEONs rapport. Dette indikerer at ledere erkjenner behovet for sterkere, mer integrert intelligens.

Eksterne svindelforhindreelses-plattformer gir tverr-bransje-signalsberikelse og bredere mønster-gjenkjenning. De oppdager infrastruktur-gjenbruk, nye adversarial AI-taktikker og koordinerte nettverk som kanskje ikke er synlige innen en enkelt økosystem.

Svindel-intelligens styrkes når synligheten utvides. Når AI muliggjør at angripere koordinerer i skala, må forsvaret bli like nettverksbasert og adaptivt.

Hva nye AI-egenskaper vil svindlere utnytte i løpet av 12 til 18 måneder?

Vi går inn i en æra av adversarial AI, eller systemer designet spesielt for å bedra andre AI-systemer.

SEONs rapport bemerker at 25% av lederne nå nevner kriminelle bruk av AI og kamuflasje-teknikker som en topp-ekstern trussel. Den bekymringen er velgrunnlagt.

Vi kan forvente mer deepfake-liveness-bypass-forsøk, sanntids-voice-kloning for utenfor-plattform- eskalering og AI-drevet atferdsmimikry basert på legitime brukerdata. Svindlere kan øke “aldring” av personer over tid for å simulere langvarig historie og gradvis bygge tillit før aktivering.

Den avgjørende utfordringen vil være å bevise menneskelighet gjennom nyansert atferdsmessig, biometrisk og miljømessig signalering i stedet for statiske legitimasjonsbevis.

Hva råd ville du gi brukere som mistenker en AI-assistert svindler?

Bremse interaksjonen. AI-assisterte svindel avhenger av emocionell akselerasjon og hastighet.

Vær skeptisk til raskt utviklende forhold, spesielt hvis finansielle vanskelighetsfortellinger viser seg. Send aldri penger utenfor plattformen. Be om uskriptet, sanntids-video-engasjement og uavhengig verifiser bilder gjennom omvendt søk.

Hvis noe føles feil, rapporter det umiddelbart. Tidlig rapportering tillater plattformene å oppdage kluster og demontere koordinerte nettverk før flere brukere skades.

Romance bør føles organisk. Når atferd føles konstruert, er det ofte det.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke SEON.