Kris Nagel, administrerende direktør i Sift – Intervjuserien

Kris er administrerende direktør i Sikte. Han kommer med mer enn 30 års erfaring i seniorlederstillinger i venture-støttede og offentlige SaaS-selskaper, inkludert Ping Identity. Sift tilbyr en måte for bedrifter å få slutt på betalingssvindel, bygget med en enkelt, intuitiv konsoll, Sifts ende til ende løsning eliminerer behovet for frakoblet verktøy, enkeltformål programvare og ufullstendig innsikt som tappes operasjonelle ressurser.

I din tidligere rolle var du Chief Operating Officer ved identitetssikkerhetsplattform Ping-identitet, der du spilte en avgjørende rolle i å gjøre selskapet offentlig i 2019, hva var noen av de viktigste faktorene dine fra denne opplevelsen?

Å offentliggjøre et selskap er en stor oppgave, og jeg lærte mye gjennom prosessen. Å utvikle produkter og skalere selskapet både før og etter den milepælen lærte meg om hva som trengs for å løse komplekse organisasjonsutfordringer, fortsette å innovere og reimagine brukeropplevelsen, og å vokse team og styrke dem til å gjøre sitt beste arbeid. Jeg har lært gjennom hele min karriere at enhver suksess i enhver rolle må starte med en dyp forståelse av kunder, partnere og menneskene i teamet ditt.

Du begynte i Sift som administrerende direktør i januar 2023. Hva tiltrakk deg med denne nye utfordringen?

Svindel er et stadig voksende og utviklende problem, og innsatsen er klar. Globalt tap av e-handelssvindel anslås å nå $ 48 milliarder innen utgangen av 2023 (en økning på 16 % år for år i forhold til 2022), og bedrifter globalt brukte gjennomsnittlig 10 % av inntektene sine på å håndtere svindel. Men hvis et selskap ikke klarer å håndtere svindel effektivt, kan det tape inntekter ved å ekskludere eller "fornærme" legitime kunder.

Sift har førstegangsfordelen når det gjelder å løse dette problemet med maskinlæring, og kjerneteknologien og det globale datanettverket har skilt det ut når det gjelder svindelforebygging. Mer enn 34,000 XNUMX nettsteder og apper, inkludert Twitter, DoorDash, Poshmark og Uphold, er avhengige av Sift. Denne differensieringen, sammen med det sterke fokuset på langsiktige kundepartnerskap, gjorde min beslutning om å bli med en enkel.

Hvorfor er generativ kunstig intelligens en så stor sikkerhetstrussel for bedrifter og forbrukere?

Generativ AI viser tidlige tegn som en game changer for svindlere. Svindel pleide å være full av grammatikk og stavefeil, så de var lettere å skille. Med generativ AI kan dårlige aktører mer effektivt etterligne legitime selskaper og lure forbrukere til å oppgi sensitive påloggingsdetaljer eller økonomiske detaljer gjennom phishing-forsøk.

Generative AI-plattformer kan til og med foreslå tekstvarianter som lar en svindler opprette flere forskjellige kontoer på en enkelt plattform. For eksempel kan de opprette 100 nye falske datingprofiler for å begå cryptocurrency-romantikk-svindel, der hver har et unikt AI-generert ansikt og bio. På den måten muliggjør generativ AI demokratisering av svindel fordi det er lettere for hvem som helst, uavhengig av teknisk kunnskap, å svindle noen ved å bruke stjålet legitimasjon eller betalingsinformasjon.

Sift ga nylig ut en rapport med tittelen: "Midt i AI-renessansen, oversvømmet forbrukere og bedrifter med svindel”, hva var noen av de største overraskelsene for deg i denne rapporten?

Vi visste at AI og automatisering ville endre svindellandskapet, men hastigheten og volumet til dette skiftet er virkelig bemerkelsesverdig. Mer enn to tredjedeler (68 %) av amerikanske forbrukere har rapportert en økning i spam og svindel siden november, akkurat på det tidspunktet generative AI-verktøy begynte å bli tatt i bruk, og vi tror disse to trendene er sterkt korrelert. På samme måte har vi observert en bølge av angrep på kontoovertakelse (ATO), med hastigheten på ATO-ballonger på 427 % i løpet av første kvartal 2023 sammenlignet med hele 2022. Det er tydelig at disse hendelsene er relatert, ettersom generativ AI lar svindlere lage mer overbevisende og skalerbare svindel, og fører dermed til en bølge av ATO-angrep.

Rapporten viser også noen av måtene «svindel-som-en-tjeneste» går fremover. Åpent tilgjengelige fora som de på Telegram senker adgangsbarrieren for alle som ønsker å begå ulike typer overgrep – det er det vi kaller demokratisering av svindel. Teamet vårt har sett en spredning av svindelgrupper som nå tilbyr botangrep som en tjeneste, og vi fremhevet hvordan ett verktøy brukes til å lure forbrukere til å oppgi engangspassord for deres finansielle kontoer. Og svindlere gjør disse verktøyene lett tilgjengelige og tilgjengelige for andre for en relativt liten avgift.

Kan du diskutere hva som er "The Sift Digital Trust & Safety Platform"?

Med Sift kan bedrifter bygge og distribuere med tillit vel vitende om at de har verktøyene for å beskytte virksomhetene sine mot svindel. Det holder de dårlige skuespillerne ute samtidig som det gir kundene en sømløs opplevelse – reduserer friksjonen og øker inntektene.

Vårt oppdrag er å hjelpe alle til å stole på internett, og plattformen vår bruker maskinlæring og et massivt datanettverk for å beskytte virksomheter mot alle forskjellige typer svindel og misbruk. Vi var et av, om ikke det første selskapet som brukte maskinlæring på nettsvindel, så vi har samlet en utrolig mengde innsikt som gjenspeiles i våre globale maskinlæringsmodeller, som behandler over 1 billion hendelser per år. Det fine med plattformen er at jo flere kunder vi har, desto smartere blir modellene våre slik at vi alltid kan optimalisere for å stoppe svindel og samtidig redusere friksjonen for ekte brukere og kunder.

Innenfor plattformen har vi Payment Protection, som beskytter mot betalingssvindel; Kontoforsvar, som forhindrer kontoovertakelsesangrep; Innholdsintegritet, som blokkerer spam og svindel fra å bli publisert i brukergenerert innhold; og Dispute Management som beskytter mot tilbakeføringer og vennlig svindel.

Hvordan skiller denne plattformen seg fra konkurrerende svindelverktøy?

Det er ingen mangel på svindelforebyggende leverandører på markedet, men de fleste faller innenfor to kategorier: punktløsninger eller beslutning-som-en-tjeneste. Punktløsninger har en tendens til å ha et smalt omfang og er designet for å adressere ett brukstilfelle, for eksempel botdeteksjon. Decision-as-a-service-løsninger er mer omfattende, men mangler mange muligheter for svindelhåndtering, og fungerer som en "svart boks" for beslutningslogikken deres.

En av Sifts mest karakteristiske kjennetegn er at vi tilbyr en løsning for å bekjempe flere typer svindel på tvers av alle bransjer. Svindel er en bransjeagnostisk utfordring, og vi har unik innsikt i hvordan en industris svindelproblemer blir en annens. På tvers av alle våre evner – beslutningsmotorer, saksbehandling, orkestrering, rapportering og simulering – prioriterer vi også å legge kontrollen i hendene til kundene våre. Hvert selskap er unikt, og denne evnen til å tilpasse betyr at logikken kan modifiseres med tilpassede regler og at simuleringer kan justeres innenfor plattformen. Vi mener også at den beste måten å forhindre svindel på er å være åpen om det. Vår beslutningsmotor gir forklaringer til analytikere slik at de forstår hvorfor en transaksjon ble godkjent, utfordret eller avvist. Vi tilbyr også rapporter slik at du kan måle ytelsen til en modell for å forstå om den må justeres.

Kan du diskutere hva som er "Sifting Score", og hvordan det muliggjør kontinuerlig selvforbedring av maskinlæringen som brukes?

Sift-kunder bruker maskinlæringsalgoritmene våre for å oppdage uredelige mønstre og forhindre angrep på et nettsted eller en app. Sift Score er et tall, fra 0-100, gitt av algoritmen til hver hendelse (eller aktivitet) for å indikere sannsynligheten for at oppførselen er uredelig.

Mens hvert av produktene våre støttes av sitt eget sett med maskinlæringsmodeller, tilbyr vi også tilpassede algoritmer som er skreddersydd for Sifts kunder. Svindelsignalene for hver bransje kan variere hvis du for eksempel selger forsikring, lett bedervelig mat eller klær. Sift kjører tusenvis av signaler, og trekker på vårt enorme globale nettverk, gjennom hver skreddersydde modell, og analyserer detaljer som tid på dagen, kjennetegn ved e-postadresser og antall forsøk på pålogging. Disse signalene kombinert utgjør en poengsum for en bestemt hendelse som en pålogging eller transaksjon. Sift Scores deles aldri på tvers av kunder fordi hver kundes maskinlæringsmodell er forskjellig.

Et interessant produkt som er utviklet hos Sift for å bekjempe svindel og spam heter Text Clustering, hva er dette konkret?

Spamtekst plager nettplattformer, og spammere legger ofte ut det samme eller svært likt innhold gjentatte ganger. Vi bygde tekstklyngerfunksjonen vår som en del av innholdsintegritet for å gjøre det enklere å identifisere denne typen tekst og gruppere den sammen, slik at en analytiker kan bestemme om han skal utføre massehandlinger eller ikke. Utfordringen er at ikke all repeterende tekst er spam. For eksempel kan en e-handelselger liste opp samme produkt og beskrivelse på flere nettsteder.

For å løse denne utfordringen effektivt, trengte vi en måte å merke de nye typene innholdssvindel som vi ønsket å oppdage, samtidig som vi ga analytikere den endelige kontrollen til å iverksette tiltak. Gjennom en kombinasjon av nevrale nettverk og maskinlæring kan tekstklynger nå gruppere lignende tekst, selv om det er små variasjoner. Dette flaggede innholdet er merket sammen, og hvis det faktisk er spam, kan en analytiker iverksette massetiltak for å fjerne det.

Hvordan kan bedrifter best forsvare seg mot motstandsangrep eller andre typer ondsinnede angrep som videreføres av generativ AI?

Mer enn halvparten av forbrukerne (54%) mener at de ikke bør holdes ansvarlige i tilfelle de utilsiktet ga betalingsinformasjonen sin til en svindler som senere ble brukt til å foreta et uredelig kjøp. Nesten en fjerdedel (24 %) mener at virksomheten der kjøpet ble gjort bør holdes ansvarlig. Det betyr at byrden for å stoppe svindel ligger hos plattformene og tjenestene forbrukere stoler på hver dag.

Vi er fortsatt i de tidlige dagene med generativ AI, og truslene i dag kommer ikke til å være de samme truslene vi ser seks måneder fra nå. Når det er sagt, må bedrifter bekjempe ild med ild ved å bruke AI-teknologier som maskinlæring for å bekjempe og stoppe svindel før det skjer. Sanntids maskinlæring er avgjørende for å holde tritt med omfanget, hastigheten og sofistikeringen av svindel. Selgere som ikke beveger seg bort fra utdaterte eller manuelle prosesser, vil falle bak svindlere som allerede automatiserer. Bedrifter som tar i bruk denne ende-til-ende, sanntidstilnærmingen forbedrer svindeldeteksjonsnøyaktigheten med 40 %. Dette betyr bedre å identifisere svindlere og stoppe dem i handling før de kan skade virksomheten din eller kundene dine.

Er det noe annet du vil dele om Sift?

Et initiativ vi nylig implementerte for å fremme dette oppdraget er kundefellesskapet vårt, Sifters. Den er åpen for alle Sift-brukere, og den fungerer som en bro mellom våre kunder, interne eksperter og digitale nettverk av selgere og data. Det har vært et verdifullt knutepunkt for å samle bransjeinnsikt og møte utfordringer på tvers av markeder innen svindelforebygging. Og det ser enorm adopsjon. Å skape et fellesskap for svindelbekjempere er helt avgjørende fordi svindlere har egne fellesskap der de samarbeider for å skade bedrifter og forbrukere. Som vi liker å si, det krever et nettverk for å bekjempe et nettverk.