Husnain Bajwa, SVP för produkt på SEON – Intervjuserie

Husnain Bajwa, SVP för produkt på 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 för produktstrategi och VP för global försäljningsingenjör på Beyond Identity, och tidigare tillbringat sju år som en framstående ingenjör 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 produktledning inom telekommunikation, säkerhet och digital infrastruktur.

SEON är en plattform för bedrägeriförebyggande och 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 maskinlärande riskbedömning med anpassningsbara regler för att hjälpa organisationer minska bedrägeri, automatisera efterlevnadsprocesser 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 romancebedrägeri, 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 efterlevnadsprocesser. Samma verklighet gäller för brottslingar. AI är inte längre experimentell. Den är nu baslinjen. Det som tidigare krävde tålamod, sociala ingenjörskunskaper och språkkunskaper kan nu automatiseras.

B Bedragare skapar fullständigt syntetiska identiteter från grunden, komplett med åldrade e-postkonton, trovärdiga foton, trovärdiga livshistorier och digitala signaler som stöder dem. 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 en offers svar. En skådespelare kan nu hantera hundratals personligheter samtidigt.

Resultatet är bedrägeri som verkar legitimt från början till slut. Romancebedrägerier 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. Profilhistorien 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, tvärkanal beteendehistoria.

Det andra varningstecknet visas när du zoomar ut och tittar på grupper av konton. Individuellt ser kontona övertygande ut. Men när de ses kollektivt, dyker statistiska likheter upp 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 aktivitetshdjup. 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.

Modern 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 avgörande. Men lika viktiga är beteendesignaler: samtalstakt, snabb tillitsacceleration, försök att flytta interaktioner utanför plattformen och tvärkontomönster.

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 överväldigar 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 skedd.

Realtidsmitigation innebär att riskbedöma 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 automatisk undertryckning av högriskkluster innan meddelandetillstånd beviljas.

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

Vad är den största missuppfattningen användare har?

Många användare antar att om en profil finns, har den varit djupt verifierad. De likställer långvarighet med legitimitet och trovärdiga foton med äkthet.

I verkligheten är verifiering skiktad och sannolikhetsbaserad. Plattformar minskar risk, men de kan inte garantera äkthet alla gånger. Att passera en kontroll vid en given tidpunkt innebär inte kontinuerlig legitimitet.

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

Vilken enda produktfunktion skulle mest höja tröskeln för bedragare?

Den mest betydelsefulla funktionen skulle vara ett realtidsbedrägericenter som är inbäddat direkt i ombordstigning som kan bedöma entitetsspecifik risk över enhet, e-post, telefon och nätverkssignaler innan meddelanden börjar. Det kan upptäcka kluster-mönster tidigt, inte efter att offer rapporterar skada. Det kan applicera progressiv, kontextmedveten friktion istället för blankettverifiering.

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

Hur kan plattformar balansera bedrägeridetektering och användarupplevelse?

Den påstådda avvägningen mellan friktionsfri och säker 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 användarupplevelsen. Borttagning av dåliga aktörer tidigt ökar förtroende och minskar den emotionella och finansiella återverkningen 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 signalerar att ledare erkänner behovet av starkare, mer integrerad intelligens.

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

Bedrägeriintelligens stärks när synligheten expanderar. När AI möjliggör för angripare att samordna i skala, måste försvar bli lika nätverkat och anpassningsbart.

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

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

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

Vi kan förvänta oss mer deepfake-livlighetsundvikande försök, realtidsröstkloning för av-plattforms-escalering och AI-driven beteendemimikri 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, biometriska och miljömässiga signaler snarare än statiska legitimationshandlingar.

Vad råd skulle du ge användare som misstänker en AI-assisterad bedragare?

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

Var skeptisk mot snabbt rörliga relationer, särskilt om berättelser om ekonomiska svårigheter dyker upp. Skicka aldrig pengar utanför plattformen. Begär ostrukturerad, realtidsvideoengagemang och oberoende verifiera bilder genom omvända sökningar.

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

Romance bör kännas organiskt. När beteende känns konstruerat, är det ofta så.

Tack för den utmärkta intervjun, läsare som vill lära sig mer kan besöka SEON.