Kris Nagel, CEO of Sift – Wywiad

Kris jest Dyrektorem Generalnym w Sift. Przynosi ponad 30 lat doświadczenia na stanowiskach kierowniczych w firmach z udziałem kapitału venture i spółkach publicznych, w tym Ping Identity. Sift oferuje sposób dla przedsiębiorstw, aby zakończyć oszustwa płatnicze, zbudowany z jednej, intuicyjnej konsoli, rozwiązanie Sift eliminuje potrzebę odłączonych narzędzi, oprogramowania o pojedynczym przeznaczeniu i niekompletnych informacji, które pochłaniają zasoby operacyjne.

W poprzedniej roli byłeś Dyrektorem Operacyjnym platformy bezpieczeństwa tożsamości Ping Identity, gdzie odegrałeś kluczową rolę w przygotowaniu firmy do wejścia na giełdę w 2019 roku, jakie były Twoje najważniejsze wnioski z tego doświadczenia?

Wejście na giełdę to duże przedsięwzięcie, i wiele się nauczyłem przez ten proces. Rozwój produktów i skalowanie firmy przed i po tym kamieniu milowym nauczyło mnie, co jest potrzebne do rozwiązania złożonych wyzwań organizacyjnych, do kontynuowania innowacji i ponownego wyobrażenia sobie doświadczenia użytkownika, oraz do rozwoju zespołów i umożliwienia im wykonywania najlepszej pracy. Nauczyłem się przez całą swoją karierę, że każdy sukces w jakiejkolwiek roli musi zacząć się od głębokiego zrozumienia klientów, partnerów i ludzi w Twoim zespole.

Dołączyłeś do Sift jako CEO w styczniu 2023 roku. Co Cię przyciągnęło do tego nowego wyzwania?

Oszustwa są coraz bardziej rozwijającym się i ewoluującym problemem, a stawki są jasne. Globalna strata z powodu oszustw w handlu elektronicznym szacowana jest na $48 miliardów do końca 2023 roku (co oznacza wzrost o 16% w porównaniu z 2022 rokiem), a firmy na całym świecie wydają średnio 10% swoich przychodów na zarządzanie oszustwami. Ale jeśli firma nie zarządza oszustwami skutecznie, może stracić przychody poprzez wykluczenie lub “obrażanie” prawdziwych klientów.

Sift ma przewagę pierwszego ruchu w rozwiązaniu tego problemu za pomocą uczenia maszynowego, a jego rdzenne technologie i globalna sieć danych wyróżniają go w przestrzeni zapobiegania oszustwom. Ponad 34 000 witryn i aplikacji, w tym Twitter, DoorDash (DASH ), Poshmark i Uphold, polega na Sift. Ta różnicowanie, wraz z silnym naciskiem na długoterminowe partnerstwa z klientami, ułatwiło mi decyzję o dołączeniu.

Dlaczego generatywne AI jest tak dużym zagrożeniem bezpieczeństwa dla firm i konsumentów?

Generatywne AI pokazuje wczesne oznaki jako zmiana gry dla oszustów. Oszustwa dawniej były pełne błędów gramatycznych i ortograficznych, więc były łatwiejsze do rozróżnienia. Z generatywnym AI, źli aktorzy mogą skuteczniej naśladować prawdziwe firmy i oszukać konsumentów, aby udostępnili wrażliwe dane logowania lub finansowe za pomocą prób phishingowych.

Platformy generatywnego AI mogą nawet sugerować wariacje tekstu, które pozwalają oszustowi utworzyć wiele odrębnych kont na jednej platformie. Na przykład, mogą utworzyć 100 nowych fałszywych profili randkowych, aby popełnić oszustwa związane z kryptowalutami, z każdym mającym unikalną twarz i biografię wygenerowaną przez AI. W ten sposób, generatywne AI umożliwia demokratyzację oszustw, ponieważ jest łatwiej dla każdego, niezależnie od umiejętności technicznych, oszukać kogoś za pomocą skradzionych poświadczeń lub informacji o płatności.

Sift niedawno opublikował raport zatytułowany: „W erze renesansu AI, konsumenci i firmy są zalewani oszustwami”, jakie były największe zaskoczenia dla Ciebie w tym raporcie?

Wiedzieliśmy, że AI i automatyzacja zmienią krajobraz oszustw, ale szybkość i objętość tej zmiany są naprawdę godne uwagi. Ponad dwie trzecie (68%) konsumentów w Stanach Zjednoczonych zgłosiło wzrost spamu i oszustw od listopada, tuż po tym, jak narzędzia generatywnego AI zaczęły zyskiwać popularność, i wierzymy, że te dwa trendy są silnie skorelowane. Podobnie, zaobserwowaliśmy gwałtowny wzrost ataków przejmowania kont (ATO), z szybkością ATO, która wzrosła o 427% w pierwszym kwartale 2023 roku w porównaniu z cały 2022 rokiem. Oczywiście, te wydarzenia są powiązane, ponieważ generatywne AI pozwala oszustom tworzyć bardziej przekonywujące i skalowalne oszustwa, co prowadzi do fali ataków ATO.

Raport pokazuje również niektóre ze sposobów, w jaki „oszustwa jako usługa” się rozwija. Otwarcie dostępne fora, takie jak te na Telegramie, obniżają barierę wejścia dla każdego, kto chce popełnić różne rodzaje nadużyć – to, co nazywamy demokratyzacją oszustw. Nasz zespół zaobserwował proliferację grup oszustów, które teraz oferują ataki botów jako usługę, i wskazaliśmy, jak jeden narzędzie jest używany do oszukania konsumentów, aby udostępnili jednorazowe kody dostępu do swoich kont bankowych. I oszustowie czynią te narzędzia łatwo dostępnymi i dostępnymi dla innych za stosunkowo niską opłatę.

Czy mógłbyś omówić, co to jest „Platforma Cyfrowego Zaufania i Bezpieczeństwa Sift”?

Z Sift, firmy mogą budować i wdrażać z pewnością, wiedząc, że mają narzędzia, aby chronić swoje interesy przed oszustwami. To utrzymanie poza złymi aktorami, jednocześnie dając klientom bezproblemowe doświadczenie – redukując tarcie i zwiększając przychody.

Naszym celem jest pomóc każdemu zaufać internetowi, a nasza platforma wykorzystuje uczenie maszynowe i ogromną sieć danych, aby chronić firmy przed różnymi rodzajami oszustw i nadużyć. Byliśmy jedną z pierwszych firm, które zastosowały uczenie maszynowe do oszustw online, więc zgromadziliśmy niesamowitą ilość wglądu, który jest odzwierciedlony w naszych globalnych modelach uczenia maszynowego, które przetwarzają ponad 1 bilion zdarzeń rocznie. Piękno platformy polega na tym, że im więcej klientów mamy, tym inteligentniejsze stają się nasze modele, aby zawsze optymalizować zatrzymywanie oszustw, jednocześnie redukując tarcie dla prawdziwych użytkowników i klientów.

W ramach platformy mamy Ochronę Płatności, która chroni przed oszustwami płatniczymi; Obrona Konta, która zapobiega atakom na konta; Integralność Treści, która blokuje spam i oszustwa związane z treścią generowaną przez użytkowników; oraz Zarządzanie Sporami, które chroni przed zwrotami i przyjaznymi oszustwami.

Jak ta platforma różni się od innych narzędzi antyoszustwowych?

Na rynku nie brakuje dostawców rozwiązań antyoszustwowych, ale większość z nich należy do dwóch kategorii: rozwiązań punktowych lub decyzji jako usługi. Rozwiązania punktowe mają wąski zakres i są zaprojektowane do rozwiązania jednego przypadku użycia, takiego jak wykrywanie botów. Rozwiązania decyzji jako usługi są bardziej kompleksowe, ale brakuje im wielu funkcji zarządzania oszustwami i działają jako „czarna skrzynka” w odniesieniu do logiki decyzyjnej.

Jedną z najbardziej wyróżniających cech Sift jest to, że oferujemy rozwiązanie do walki z różnymi rodzajami oszustw we wszystkich branżach. Oszustwa są wyzwaniem niezależnym od branży, a my mamy unikalny wgląd w to, jak problemy oszustw w jednej branży stają się problemami innej. We wszystkich naszych możliwościach – silnikach decyzyjnych, zarządzaniu przypadkami, orchestracji, raportowaniu i symulacji – priorytetem jest umieszczenie kontroli w rękach naszych klientów. Każda firma jest wyjątkowa, a ta zdolność do dostosowania oznacza, że logika może być modyfikowana przy użyciu niestandardowych reguł, a symulacje mogą być dostosowane w ramach platformy. Wierzymy również, że najlepszym sposobem zapobiegania oszustwom jest przejrzystość w tym zakresie. Nasz silnik decyzyjny zapewnia wyjaśnienia dla analityków, aby zrozumieli, dlaczego transakcja została zatwierdzona, wyzwana lub odrzucona. Oferujemy również raporty, aby można było mierzyć wydajność modelu i zrozumieć, czy wymaga on dostosowania.

Czy mógłbyś omówić, co to jest „Wynik Sift”, i jak umożliwia ciągłe samodoskonalenie się maszynowego uczenia?

Klienci Sift używają naszych algorytmów uczenia maszynowego do wykrywania oszustw i zapobiegania atakom na witrynę lub aplikację. Wynik Sift to liczba od 0 do 100, przydzielona przez algorytm do każdego zdarzenia (lub działania), aby wskazać prawdopodobieństwo, że zachowanie jest oszustwem.

Ponieważ każdy z naszych produktów jest wspierany przez zestaw modeli uczenia maszynowego, oferujemy również niestandardowe algorytmy dostosowane do klientów Sift. Sygnały oszustw dla każdej branży mogą się różnić, jeśli sprzedajesz ubezpieczenia, produkty spożywcze lub odzież, na przykład. Sift uruchamia tysiące sygnałów, korzystając z naszej ogromnej globalnej sieci, przez każdy model niestandardowy, analizując szczegóły, takie jak godzina dnia, cechy adresów e-mail i liczba prób logowania. Te sygnały łącznie tworzą wynik dla określonego zdarzenia, takiego jak logowanie lub transakcja. Wyniki Sift nigdy nie są udostępniane między klientami, ponieważ każdy model uczenia maszynowego klienta jest inny.

Jest jeden interesujący produkt opracowany w Sift, aby walczyć ze spamem i oszustwami, zwany Klasterowaniem Tekstu, co to jest?

Spam tekstowy plaga online platform, a spammerzy często publikują ten sam lub bardzo podobny tekst wielokrotnie. Zbudowaliśmy funkcję Klasterowania Tekstu jako część Integralności Treści, aby ułatwić identyfikację tego rodzaju tekstu i połączenie go w jedną grupę, aby analityk mógł zdecydować, czy podjąć działanie w trybie zbiorczym. Wyzwaniem jest to, że nie wszystkie powtarzające się teksty są spamem. Na przykład, sprzedawca na platformie handlowej może opublikować ten sam produkt i opis na wielu stronach.

Aby skutecznie rozwiązać to wyzwanie, potrzebowaliśmy sposobu, aby oznaczyć nowe rodzaje oszustw, które chcieliśmy wykryć, oraz dać analitykom ostateczną kontrolę nad podjęciem działań. Za pomocą połączenia sieci neuronowych i uczenia maszynowego, Klasterowanie Tekstu może teraz grupować podobne teksty, nawet jeśli istnieją niewielkie różnice. Ten oznaczony tekst jest oznaczony razem, a jeśli jest to spam, analityk może podjąć działanie w trybie zbiorczym, aby go usunąć.

Jak przedsiębiorstwa mogą najlepiej bronić się przed atakami wrogościowymi lub innymi rodzajami ataków malwersacyjnych, które są popełniane za pomocą generatywnego AI?

Ponad połowa konsumentów (54%) uważa, że nie powinna być odpowiedzialna w przypadku, gdy nieumyślnie udostępniła swoje informacje o płatności oszustowi, których później użyto do dokonania fałszywej transakcji. Niemal jedna czwarta (24%) uważa, że firma, w której dokonano transakcji, powinna ponieść odpowiedzialność. To oznacza, że ciężar zapobiegania oszustwom spoczywa na platformach i usługach, na które codziennie polegają konsumenci.

Jeszcze jesteśmy we wczesnej fazie generatywnego AI, a zagrożenia dzisiaj nie będą takie same, jak te, które zobaczymy za sześć miesięcy. Z tym powiedzianym, firmy muszą walczyć z ogniem za pomocą ognia, wykorzystując technologie AI, takie jak uczenie maszynowe, do walki z oszustwami i ich zatrzymania, zanim się wydarzą. Uczenie maszynowe w czasie rzeczywistym jest kluczowe, aby dotrzymać tempa, skali i złożoności oszustw. Przedsiębiorstwa, które nie odejdą od przestarzałych lub ręcznych procesów, pozostaną w tyle za oszustami, którzy już zautomatyzowali. Firmy, które przyjmą ten podejście od początku do końca i w czasie rzeczywistym, poprawią dokładność wykrywania oszustw o 40%. To oznacza lepsze identyfikowanie oszustów i zatrzymywanie ich w działaniu, zanim będą mogli wyrządzić szkodę Twojemu interesowi lub klientom.

Czy jest coś jeszcze, co chciałbyś podzielić się na temat Sift?

Jedną z inicjatyw, które niedawno wdrożyliśmy, aby wesprzeć tę misję, jest nasza społeczność klientów, Sifters. Jest otwarta dla wszystkich użytkowników Sift, i działa jako most między naszymi klientami, ekspertami wewnętrznymi i cyfrową siecią handlowców i danych. Była to bardzo wartościowa centrala dla gromadzenia wglądu branżowego i d addressing cross-market challenges in fraud prevention. And it’s seeing enormous adoption. Creating a community for fraud fighters is absolutely essential because fraudsters have communities of their own where they collaborate to harm businesses and consumers. As we like to say, it takes a network to fight a network.