SEON 产品副总裁Husnain Bajwa – 采访系列

Husnain Bajwa，SEON 产品副总裁，负责公司的风险和欺诈防护解决方案的产品战略，拥有二十多年的网络、网络安全和企业技术经验。总部位于奥斯汀，他之前曾担任Beyond Identity 的产品战略副总裁和全球销售工程副总裁，并在Aruba Networks担任了七年的杰出工程师。Bajwa还曾在Ericsson和BelAir Networks担任过领导职务，并共同创立了CardioAssure。他的职业生涯将深厚的技术专业知识与产品领导力相结合，跨越了电信、安全和数字基础设施等领域。

SEON 是一个防欺诈和反洗钱平台，帮助企业在客户生命周期中检测和阻止数字欺诈。该公司的技术分析了数百个数据信号，包括电子邮件、设备、IP和行为模式，以实时识别可疑活动。其平台将机器学习风险评分与可定制的规则相结合，帮助组织减少欺诈、自动化合规流程并保护合法用户，跨越了金融科技、电子商务和在线游戏等行业。

过去12个月中，易用的生成式AI如何改变了约会应用程序的浪漫和欺诈骗局？

生成式AI已经成为欺诈的倍增器。它大大降低了复杂浪漫欺诈的门槛，使攻击者能够使用与合法企业相同的高功率工具。

根据 SEON 的2026年欺诈和反洗钱领导者报告，98%的组织现在在欺诈和合规工作流程中使用AI。同样的现实也适用于犯罪者。AI不再是实验性的。它现在是基准。过去需要耐心、社会工程技能和语言流利，现在可以自动化。

骗子正在从头开始组装完全合成的身份，包括老化的电子邮件账户、可信的照片、合理的生活叙述和支持的数字信号。每个信号可能在隔离中看起来是合法的，但它们一起形成了专门用于欺骗的身份。

语言不再是一个可靠的线索，AI消除了语法错误和语气不一致。它使情感上连贯的对话成为可能，这些对话可以根据受害者的回应动态适应。一个演员现在可以同时管理数百个角色。

结果是从头到尾看起来合法的欺诈。浪漫骗局已经从孤立的坏演员转变为协调的、AI辅助的运作，以机器速度连续运行。

AI生成的个人资料有三个微妙的危险信号是什么？

第一个危险信号是我所说的数字足迹不平衡。个人资料故事丰富详细，但长期的数字排放并不匹配这种深度。AI可以瞬间生成叙述，但它难以复制多年的连贯的跨渠道行为历史。

第二个危险信号出现在您放大并查看账户组时。单独查看，账户看起来令人信服。但是，当您查看它们时，统计学上的相似之处出现了，例如共享的设备指纹、类似的注册时间和基础设施重叠。欺诈越来越多地隐藏在模式相似之中，而不是明显的错误中。

第三是可疑地完美的行为。人类活动包含随机性。人们不规律地登录，转变语气，行为不可预测。AI生成的角色往往引入机械精度，例如均匀的消息节奏、优化的用户名和受控的活动深度。今天的检测依赖于识别行为中不太可能是有机的部分，而不是发现粗心的错误。

除了身份验证，平台还应该监控哪些信号？

注册时的静态一次性验证不再足够。骗子通常会通过基本检查，然后不受监管地操作。

现代保护需要连续的、适应性的验证，这种验证可以对随着时间的推移而出现的风险做出反应。这意味着在实时中分析数字足迹的深度、设备智能和行为遥测，既在用户交互之前，也在交互过程中。

技术信号，如持续的设备指纹、代理检测、基础设施重用和自动化标记，是至关重要的。但同样重要的是行为信号：对话节奏、快速信任加速、尝试将交互转移到平台外部以及跨账户的消息模式。

目标是实现上下文感知决策，特别是在情感投入发生之前。不要问“这个身份是否存在？”，而是问“这个实体在一段时间内表现得像一个合法的人吗？”

AI驱动的欺诈如何挑战传统团队，实时缓解看起来像什么？

AI驱动的欺诈是可扩展的、适应性的和连续的。它压缩了攻击周期，并压倒了手动审查的能力。策略在参与过程中不断演变，使静态规则集变得过时。

传统的审查模型是反应性的。他们在损害开始后审查案件。但是，如果您没有实时决策嵌入到您的堆栈中，您是在损害完成后才采取防御措施。

实时缓解意味着在注册和第一次交互时在亚秒内评估风险。它意味着使用基于图的分析来揭示协调的网络，而不是单独评估账户。它意味着在授予消息权限之前自动抑制高风险集群。

欺诈同时增加和专业化。战场已经从明显的滥用转移到精确的身份操纵。防御必须从反应性审查转变为实时编排。

用户最大的误解是什么？

许多用户假设，如果一个个人资料存在，它已经被深入验证。他们将长期存在与合法性等同起来，将看似真实的照片与真实性等同起来。

实际上，验证是分层和概率的。平台降低风险，但它们不能保证在任何时候都有真实性。通过检查并不意味着持续的合法性。

安全是风险管理的，而不是保证的。个人资料的存在意味着账户满足了某些阈值，而不是代表一个完全验证的人类身份。

哪种单一产品功能将最能提高骗子的门槛？

最有影响力的功能将是在注册过程中嵌入实时欺诈命令中心，能够在消息开始之前跨设备、电子邮件、电话和网络信号评估实体级风险。它可以在受害者报告损害之前检测到集群级模式。它可以应用进步的、上下文感知的摩擦，而不是一刀切的验证。

最有效的保护发生在发送第一条消息之前。一旦情感投入开始，防御负担就会大大增加。

平台如何平衡欺诈检测和用户体验？

所谓的无摩擦和安全之间的权衡是糟糕的系统设计，而不是不可改变的规律。

智能欺诈防护应用动态摩擦，只有在行为或技术信号证明必要时才会升级验证。低风险用户可以无缝移动。升高的风险会触发更深入的审查。

当平台同时衡量安全性和转化率时，欺诈防护会改善用户体验。早期移除坏人会增加信任，并减少情感和经济损失，这些损失会驱动用户流失。

精确度取代了毯子摩擦。

外部欺诈防护平台应该扮演什么角色？

没有一个约会平台看到整个威胁格局。欺诈网络跨行业、平台和地理区域运作。

根据SEON的报告，85%的组织计划在2026年添加或更换欺诈供应商。这表明领导者认识到需要更强大、更集成的智能。

外部欺诈防护平台提供跨行业信号增强和更广泛的模式识别。它们可以检测基础设施重用、出现的对抗性AI策略和协调的网络，这些可能在单个生态系统中不可见。

欺诈智能随着可见性的扩展而加强。随着AI使攻击者能够协调大规模，防御必须变得同样网络化和适应性。

骗子在12至18个月内将利用哪些新的AI功能？

我们正在进入对抗性AI的时代，或者说是专门设计来欺骗其他AI系统的系统。

SEON的报告指出，25%的领导者现在将犯罪分子日益增长的使用AI和模糊技术作为最大的外部威胁。这种担忧是有道理的。

我们可以预计会有更多的深度伪造尝试绕过活体检测，使用实时语音克隆进行平台外升级，以及使用合法用户数据训练的AI驱动的行为模拟。骗子可能会越来越多地“老化”角色以模拟长期历史，并在激活之前逐渐建立信任。

定义性的挑战将是通过细致的行为、生物和环境信号来证明人类的存在，而不是静态凭证。

如果用户怀疑AI辅助骗局，您会给他们什么建议？

减慢交互速度。AI辅助骗局依赖于情感加速和紧迫感。

对快速发展的关系持怀疑态度，特别是如果出现了经济困难的叙述。永远不要在平台外发送钱。请求实时视频参与，并通过反向搜索独立验证图像。

如果有什么感觉不对劲，请立即报告。早期报告使平台能够在更多用户受到伤害之前检测到集群并拆除协调的网络。

浪漫应该感觉自然。行为感觉被设计时，它通常是这样。

感谢这次精彩的采访，希望了解更多的读者可以访问 SEON。