Husnain Bajwa, SVP of Product at SEON – Intervju-serie

Husnain Bajwa, SVP of Product at SEON, leder produktstrategin för företagets risk- och bedrägeriförebyggande lösningar, med mer än två decenniers erfarenhet av nätverk, cybersäkerhet och företagsteknologi. Baserad i Austin, har han tidigare tjänstgjort som VP of Product Strategy och VP of Global Sales Engineering på Beyond Identity, och tidigare tillbringat sju år som Distinguished Engineer på Aruba Networks. Bajwa har också haft ledande roller på Ericsson och BelAir Networks och var med och grundade CardioAssure. Hans karriär kombinerar djup teknisk expertis med produktledarskap inom telekommunikation, säkerhet och digital infrastruktur.

SEON är en plattform för bedrägeriförebyggande och anti-penningtvätt som hjälper företag att upptäcka och stoppa digitala bedrägerier under hela kundlivscykeln. Företagets teknik analyserar hundratals data-signaler – inklusive e-post, enhet, IP och beteendemönster – för att identifiera misstänkt aktivitet i realtid. Dess plattform kombinerar maskinlärningsbaserad riskbedömning med anpassningsbara regler för att hjälpa organisationer minska bedrägeri, automatisera regelefterlevnadsprocesser och skydda legitima användare inom branscher som fintech, e-handel och online-spel.

Hur har tillgänglig generativ AI förändrat romance- och dejtingsajtbedrägerier under de senaste 12 månaderna?

Generativ AI har blivit en kraftmultiplikator för bedrägeri. Den har dramatiskt sänkt tröskeln för sofistikerat romance-bedrägeri, vilket ger angripare tillgång till samma kraftfulla verktyg som legitima företag använder.

Enligt SEON:s 2026-rapport om bedrägeri och AML-ledare använder 98 % av organisationerna nu AI i bedrägeri- och regelefterlevnadsarbetsflöden. Samma verklighet gäller för brottslingar. AI är inte längre experimentell. Den är nu baslinjen. Det som tidigare krävde tålamod, social ingenjörskap och språklig kompetens kan nu automatiseras.

Bedragare sätter samman fullständigt syntetiska identiteter från grunden, komplett med åldrade e-postkonton, trovärdiga foton, trovärdiga livsberättelser och stödjande digitala signaler. Varje signal kan verka legitim i isolering, men tillsammans bildar de en identitet som är utformad specifikt för bedrägeri.

Språk är inte längre ett tillförlitligt tecken, eftersom AI eliminerar grammatiska fel och tonala inkonsekvenser. Den möjliggör emotionellt sammanhängande samtal som anpassar sig dynamiskt till offrets svar. En skådespelare kan nu hantera hundratals personligheter samtidigt.

Resultatet är bedrägeri som verkar legitimt från början till slut. Romance-bedrägerier har förskjutits från isolerade dåliga aktörer till samordnade, AI-assisterade operationer som körs kontinuerligt i maskinhastighet.

Vilka är tre subtila varningstecken som AI-genererade profiler visar?

Det första varningstecknet är vad jag skulle kalla digital fotavtrycksobalans. Profilberättelsen är rik och detaljerad, men den långsiktiga digitala utsläppet matchar inte den djupet. AI kan generera berättelser omedelbart, men den kämpar för att replikera år av konsekvent, tvärkanalsbeteende.

Det andra varningstecknet visas när du zoomar ut och tittar på grupper av konton. Individuellt ser kontona övertygande ut. Men när de ses kollektivt visas statistiska likheter som delade enhetsfingeravtryck, liknande registreringstid och infrastrukturöverlappning. Bedrägeri gömmer sig alltmer i mönsterlikhet snarare än uppenbara misstag.

Tredje är misstänkt perfekt beteende. Mänsklig aktivitet innehåller slumpmässighet. Människor loggar in oregelbundet, skiftar ton mitt i samtalet och beter sig oförutsägbart. AI-genererade personligheter introducerar ofta mekanisk precision, såsom jämnt paced-meddelanden, optimerade användarnamn och kontrollerad aktivitetdjup. Upptäckt idag beror mindre på att upptäcka slarviga fel och mer på att identifiera beteende som är för konsekvent för att vara organiskt.

Utöver identitetsverifiering, vilka signaler bör plattformar övervaka?

Statisk, engångsverifiering vid registrering är inte längre tillräcklig. Bedragare passerar rutinmässigt grundläggande kontroller och opererar sedan okontrollerat.

Modernt skydd kräver kontinuerlig, anpassningsbar verifiering som svarar på risk när den uppstår. Det innebär att analysera digital fotavtrycksdjup, enhetsintelligens och beteendetelemetri i realtid, både före och under användarinteraktion.

Tekniska signaler som beständig enhetsfingerprintning, proxydetektering, infrastrukturåteranvändning och automatiseringsmarkörer är kritiska. Men lika viktiga är beteendesignaler: samtalstakt, snabb tillitshastighet, försök att flytta interaktioner utanför plattformen och mönster för meddelanden mellan konton.

Målet är kontextmedveten beslutsfattning, särskilt innan emotionell investering sker. Istället för att fråga “Finns denna identitet?”, bör plattformar fråga “Beter sig denna enhet som en legitim människa över tid?”

Hur utmanar AI-drivet bedrägeri traditionella team och vad ser realtidsmitigation ut som?

AI-aktiverat bedrägeri är skalbart, anpassningsbart och kontinuerligt. Det komprimerar attackcykler och överbelastar manuell granskningsförmåga. Taktiker utvecklas mitt i engagemanget, vilket gör statiska regelsamlingar föråldrade.

Traditionella modereringsmodeller är reaktiva. De granskar fall efter att skada har börjat. Men om du inte har realtidsbeslutsfattning inbyggd i din stack, spelar du försvar efter att skadan är gjord.

Realtidsmitigation innebär att bedöma risk på subsekunder vid ombordstigning och första interaktion. Det innebär att använda grafbaserad analys för att avslöja samordnade nätverk snarare än att utvärdera konton i isolering. Det innebär automatiserad undertryckning av högriskkluster innan meddelandetillstånd beviljas.

Bedrägeri ökar samtidigt som det specialiserar sig. Slagfältet har förskjutits från uppenbart missbruk till precisionsidentitetsmanipulering. Försvar måste flytta från reaktiv moderering till live-orkesering.

Vad är den största missuppfattningen användare har?

Många användare antar att om en profil finns, har den granskats noggrant. De likställer varaktighet med legitimitet och autentiskt utseende foton med äkthet.

I verkligheten är verifiering skiktad och probabilistisk. Plattformar minskar risk, men de kan inte garantera äkthet alla gånger. Att passera en kontroll vid ett tillfälle betyder inte kontinuerlig legitimitet.

Säkerhet är riskhanterad, inte garanterad. Närvaron av en profil betyder att ett konto uppfyllde vissa trösklar, inte att det representerar en fullt autentiserad mänsklig identitet under obestämd tid.

Vilken enda produktfunktion skulle höja tröskeln för bedragare mest?

Den mest betydelsefulla funktionen skulle vara ett realtidsbedrägericenter inbyggt direkt i ombordstigning som kan bedöma enhetsnivårisk över enhets-, e-post-, telefon- och nätverkssignaler innan meddelanden börjar. Det kan upptäcka kluster-mönster tidigt, inte efter att offer har rapporterat skada. Det kan tillämpa progressiv, kontextmedveten friktion istället för blankettverifiering.

Det mest effektiva skyddet sker innan det första meddelandet skickas. När emotionell engagemang börjar, ökar försvarsbördan avsevärt.

Hur kan plattformar balansera bedrägeridetektering och användarupplevelse?

Påståendet om att det finns ett val mellan friktionsfritt och säkert är dålig systemdesign, inte en oföränderlig lag.

Smart bedrägeriförebyggande tillämpar dynamisk friktion, eskalerar endast verifiering när beteendemässiga eller tekniska signaler berättigar det. Lågriskanvändare flyttar smidigt. Förhöjd risk utlöser djupare granskning.

När plattformar mäter säkerhet och konvertering tillsammans, förbättras bedrägeriförebyggande och användarupplevelsen. Borttagning av dåliga aktörer tidigt ökar förtroendet och minskar den emotionella och finansiella återverkning som driver användaravhopp.

Precision ersätter blankettfriktion.

Vilken roll bör externa bedrägeriförebyggande plattformar spela?

Ingen enda dejtingsajt ser hela hotlandskapet. Bedrägerinätverk opererar över branscher, plattformar och geografier.

85 % av organisationerna planerar att lägga till eller ersätta en bedrägerileverantör 2026, enligt SEON:s rapport. Detta visar att ledare erkänner behovet av starkare, mer integrerad intelligens.

Externa bedrägeriförebyggande plattformar tillhandahåller branschöverskridande signalberikning och bredare mönsterigenkänning. De upptäcker infrastrukturåteranvändning, framväxande antagonistiska AI-taktiker och samordnade nätverk som kanske inte är synliga inom ett ekosystem.

Bedrägeriintelligens stärks när synligheten utvidgas. När AI möjliggör för angripare att samordna i stor skala, måste försvar bli lika nätverks- och anpassningsbart.

Vilka nya AI-funktioner kommer bedragare att utnyttja under de kommande 12 till 18 månaderna?

Vi går in i en era av antagonistisk AI, eller system som är utformade specifikt för att lura andra AI-system.

SEON:s rapport noterar att 25 % av ledarna nu nämner brottslingars ökande användning av AI och döljningstekniker som en topp-extern hot. Den oron är välgrundad.

Vi kan förvänta oss mer deepfake-livlighetsbypassförsök, realtidsröstkloning för av-plattforms eskalering och AI-driven beteendemimikry utbildad på legitima användardata. Bedragare kan öka “åldern” på personligheter över tid för att simulera långsiktig historia och gradvis bygga tillit innan aktivering.

Den avgörande utmaningen kommer att vara att bevisa mänsklighet genom nyanserade beteendemässiga, biometiska och miljömässiga signaler snarare än statiska autentiseringsuppgifter.

Vad är ditt råd till användare som misstänker en AI-assisterad bedragare?

Sakta ner interaktionen. AI-assisterade bedrägerier förlitar sig på emotionell acceleration och brådska.

Var skeptisk till snabbt utvecklade relationer, särskilt om finansiella svårighetsberättelser dyker upp. Skicka aldrig pengar utanför plattformen. Begär ostrukturerad, realtidsvideoengagemang och oberoende verifiera bilder genom omvända sökningar.

Om något känns konstigt, rapportera det omedelbart. Tidig rapportering tillåter plattformar att upptäcka kluster och demontera samordnade nätverk innan fler användare skadas.

Romans bör kännas organisk. När beteende känns utformat, är det ofta så.

Tack för det underbara intervjun, läsare som vill lära sig mer bör besöka SEON.