Kris Nagel, vd för Sift – Intervjuserie

Kris är verkställande direktör på Sålla. Han har mer än 30 års erfarenhet av ledande ledande positioner på riskstödda och offentliga SaaS-företag, inklusive Ping Identity. Sift erbjuder ett sätt för företag att stoppa betalningsbedrägerier, byggt med en enda, intuitiv konsol, Sifts början till slut lösning eliminerar behovet för frånkopplad verktyg, enstaka ändamål programvara och ofullständiga insikter som töms operativa resurser.

I din tidigare roll var du Chief Operating Officer på identitetssäkerhetsplattformen Ping Identitet, där du spelade en avgörande roll för att göra företaget börsnoterat 2019, vilka var några av dina viktigaste takeaways från den här upplevelsen?

Att ta ett företag till börs är ett stort åtagande och jag lärde mig mycket genom processen. Att utveckla produkter och skala företaget både före och efter den milstolpen lärde mig om vad som krävs för att lösa komplexa organisatoriska utmaningar, att fortsätta att förnya och omforma användarupplevelsen och att växa team och ge dem möjlighet att göra sitt bästa arbete. Jag har lärt mig under hela min karriär att all framgång i vilken roll som helst måste börja med en djup förståelse för kunder, partners och människorna i ditt team.

Du kom till Sift som VD i januari 2023. Vad lockade dig till denna nya utmaning?

Bedrägeri är ett ständigt växande och utvecklande problem, och insatserna är tydliga. Global e-handelsbedrägeriförlust beräknas nå $ 48 miljarder i slutet av 2023 (en ökning med 16 % på årsbasis jämfört med 2022) och företag globalt spenderade i genomsnitt 10 % av sina intäkter på att hantera bedrägerier. Men om ett företag misslyckas med att hantera bedrägerier effektivt kan det förlora intäkter genom att utesluta eller "förolämpa" legitima kunder.

Sift har förstahandsfördelen när det gäller att lösa detta problem med maskininlärning, och dess kärnteknologi och globala datanätverk har särskiljt det i bedrägeriförebyggande utrymme. Mer än 34,000 XNUMX webbplatser och appar, inklusive Twitter, DoorDash, Poshmark och Uphold, är beroende av Sift. Den differentieringen, tillsammans med det starka fokuset på långsiktiga kundpartnerskap, gjorde mitt beslut att gå med i ett enkelt.

Varför är generativ AI ett så stort säkerhetshot för företag och konsumenter?

Generativ AI visar tidiga tecken som en game changer för bedragare. Bedrägerier brukade vara fyllda av grammatik och stavfel, så de var lättare att urskilja. Med generativ AI kan dåliga aktörer mer effektivt efterlikna legitima företag och lura konsumenter att tillhandahålla känsliga inloggningsuppgifter eller ekonomiska detaljer genom nätfiskeförsök.

Generativa AI-plattformar kan till och med föreslå textvarianter som gör att en bedragare kan skapa flera distinkta konton på en enda plattform. Till exempel kan de skapa 100 nya falska dejtingprofiler för att begå cryptocurrency-romantiska bedrägerier, där var och en har ett unikt AI-genererat ansikte och bio. På det sättet möjliggör generativ AI demokratisering av bedrägerier eftersom det är lättare för vem som helst, oavsett teknisk kunskap, att lura någon genom att använda stulna referenser eller betalningsinformation.

Sift släppte nyligen en rapport med titeln: "Mitt i AI-renässansen, översvämmas konsumenter och företag av bedrägerier”, vilka var några av de största överraskningarna för dig i denna rapport?

Vi visste att AI och automation skulle förändra bedrägerilandskapet, men hastigheten och volymen på detta skifte är verkligen anmärkningsvärt. Mer än två tredjedelar (68 %) av konsumenterna i USA har rapporterat en ökning av spam och bedrägerier sedan november, precis vid den tidpunkt då generativa AI-verktyg började antas, och vi tror att dessa två trender är starkt korrelerade. På samma sätt har vi observerat en ökning av ATO-attacker (Account Takeover) med en hastighet av ATO-ballonger på 427 % under det första kvartalet 2023 jämfört med hela 2022. Det är uppenbart att dessa händelser är relaterade, eftersom generativ AI tillåter bedragare att skapa mer övertygande och skalbara bedrägerier, vilket leder till en våg av ATO-attacker.

Rapporten visar också några av de sätt som "bedrägeri-som-en-tjänst" går framåt. Öppet tillgängliga forum som de på Telegram sänker inträdesbarriären för alla som vill begå olika typer av övergrepp – det är vad vi kallar demokratisering av bedrägerier. Vårt team har sett en spridning av bedrägerigrupper som nu erbjuder botattacker som en tjänst, och vi lyfte fram hur ett verktyg används för att lura konsumenter att tillhandahålla engångskoder för sina finansiella konton. Och bedragare gör dessa verktyg lättillgängliga och tillgängliga för andra för en relativt liten avgift.

Kan du diskutera vad som är "The Sift Digital Trust & Safety Platform"?

Med Sift kan företag bygga och implementera med tillförsikt i vetskap om att de har verktygen för att skydda sina företag från bedrägerier. Det håller de dåliga aktörerna borta samtidigt som det ger kunderna en sömlös upplevelse – minskar friktionen och ökar intäkterna.

Vårt uppdrag är att hjälpa alla att lita på internet, och vår plattform använder maskininlärning och ett massivt datanätverk för att skydda företag från alla olika typer av bedrägerier och missbruk. Vi var ett av, om inte det första, företag som tillämpade maskininlärning på bedrägerier online, så vi har samlat på oss en otrolig mängd insikter som återspeglas i våra globala maskininlärningsmodeller, som behandlar över 1 biljon händelser per år. Det fina med plattformen är att ju fler kunder vi har, desto smartare blir våra modeller så att vi alltid kan optimera för att stoppa bedrägerier och samtidigt minska friktionen för riktiga användare och kunder.

Inom plattformen har vi Payment Protection, som skyddar mot betalningsbedrägerier; Account Defense, som förhindrar kontoövertagandeattacker; Innehållsintegritet, som blockerar spam och bedrägerier från att publiceras i användargenererat innehåll; och Dispute Management som skyddar mot återkrav och vänligt bedrägeri.

Hur skiljer sig denna plattform från konkurrerande bedrägeriverktyg?

Det finns ingen brist på bedrägeriförebyggande leverantörer på marknaden, men de flesta faller inom två kategorier: punktlösningar eller beslut-som-en-tjänst. Punktlösningar tenderar att ha en snäv räckvidd och är utformade för att hantera ett användningsfall, såsom botdetektering. Decision-as-a-service-lösningar är mer omfattande men saknar många bedrägerihanteringsmöjligheter och fungerar som en "svart låda" om deras beslutslogik.

En av Sifts mest utmärkande egenskaper är att vi erbjuder en lösning för att bekämpa flera typer av bedrägerier inom alla branscher. Bedrägeri är en branschagnostisk utmaning och vi har unik insikt i hur en branschs bedrägeriproblem blir en annans. Över alla våra möjligheter – beslutsmotorer, ärendehantering, orkestrering, rapportering och simulering – prioriterar vi också att lägga kontrollen i händerna på våra kunder. Varje företag är unikt, och denna förmåga att anpassa gör att logiken kan modifieras med anpassade regler och att simuleringar kan justeras inom plattformen. Vi tror också att det bästa sättet att förebygga bedrägerier är att vara transparenta om det. Vår beslutsmotor ger förklaringar för analytiker så att de förstår varför en transaktion godkändes, ifrågasattes eller nekades. Vi erbjuder även rapporter så att du kan mäta en modells prestanda för att förstå om den behöver justeras.

Kan du diskutera vad "Sift Score" är och hur det möjliggör kontinuerlig självförbättring av den maskininlärning som används?

Sift-kunder använder våra maskininlärningsalgoritmer för att upptäcka bedrägliga mönster och förhindra attacker på en webbplats eller app. Sift-poängen är en siffra, från 0-100, som ges av algoritmen till varje händelse (eller aktivitet) för att indikera sannolikheten för att beteendet är bedrägligt.

Även om var och en av våra produkter stöds av sin egen uppsättning maskininlärningsmodeller, erbjuder vi även anpassade algoritmer som är skräddarsydda för Sifts kunder. Bedrägerisignalerna för varje bransch kan skilja sig åt om du till exempel säljer försäkringar, färskvaror eller kläder. Sift kör tusentals signaler, med hjälp av vårt stora globala nätverk, genom varje skräddarsydd modell, och analyserar detaljer som tid på dygnet, egenskaper hos e-postadresser och antalet inloggningsförsök. Dessa signaler tillsammans utgör en poäng för en viss händelse som en inloggning eller transaktion. Sift Scores delas aldrig mellan kunder eftersom varje kunds maskininlärningsmodell är olika.

En intressant produkt som är utvecklad på Sift för att bekämpa bedrägerier och spam heter Text Clustering, vad är detta specifikt?

Skräppost plågar onlineplattformar och spammare publicerar ofta samma eller mycket liknande innehåll upprepade gånger. Vi byggde vår textklusterfunktion som en del av innehållsintegritet för att göra det enklare att identifiera den här typen av text och klustera den så att en analytiker kan bestämma om han vill vidta massåtgärder eller inte. Utmaningen är att inte all repetitiv text är spam. Till exempel kan en e-handelssäljare lista samma produkt och beskrivning på flera webbplatser.

För att effektivt lösa denna utmaning behövde vi ett sätt att märka de nya typerna av innehållsbedrägerier som vi ville upptäcka, samtidigt som vi gav analytiker den sista kontrollen att vidta åtgärder. Genom en kombination av neurala nätverk och maskininlärning kan Text Clustering nu gruppera liknande text, även om det finns små variationer. Detta flaggade innehåll är märkt tillsammans, och om det i själva verket är spam kan en analytiker vidta massåtgärder för att ta bort det.

Hur kan företag bäst försvara sig mot kontradiktoriska attacker eller andra typer av skadliga attacker som vidmakthålls av generativ AI?

Mer än hälften av konsumenterna (54 %) anser att de inte borde hållas ansvariga i händelse av att de oavsiktligt lämnade sin betalningsinformation till en bedragare som senare användes för att göra ett bedrägligt köp. Nästan en fjärdedel (24 %) anser att verksamheten där köpet gjordes bör hållas ansvarig. Det betyder att ansvaret för att stoppa bedrägerier ligger hos de plattformar och tjänster som konsumenterna litar på varje dag.

Vi är fortfarande i de allra första dagarna av generativ AI och hoten idag kommer inte att vara samma hot som vi ser om sex månader. Med det sagt måste företag bekämpa eld med eld genom att använda AI-teknik som maskininlärning för att bekämpa och stoppa bedrägerier innan det händer. Maskininlärning i realtid är avgörande för att hålla jämna steg med bedrägeriernas omfattning, hastighet och sofistikering. Säljare som inte går bort från föråldrade eller manuella processer kommer att hamna bakom bedragare som redan automatiserar. Företag som använder denna heltäckande, realtidsmetod förbättrar bedrägeriupptäcktsnoggrannheten med 40 %. Detta innebär att bättre identifiera bedragare och stoppa dem på bar gärning innan de kan skada ditt företag eller dina kunder.

Finns det något mer du skulle vilja dela med dig av om Sift?

Ett initiativ vi nyligen implementerade för att främja detta uppdrag är vår kundgemenskap, Sifters. Det är öppet för alla Sift-användare, och det fungerar som en brygga mellan våra kunder, interna experter och digitala nätverk av handlare och data. Det har varit ett värdefullt nav för att samla in branschinsikter och ta itu med gränsöverskridande utmaningar för att förebygga bedrägerier. Och det ser en enorm adoption. Att skapa en gemenskap för bedrägerikämpar är absolut nödvändigt eftersom bedragare har egna gemenskaper där de samarbetar för att skada företag och konsumenter. Som vi vill säga, det krävs ett nätverk för att bekämpa ett nätverk.