Identity Insights – Advisor [Entwickler-Vorschau]

Identity Insights liefert Telekommunikationssignale, die sich nur schwer in Entscheidungen umsetzen lassen. Die Herausforderung zeigt sich in drei Bereichen:

• Wichtige Erkenntnisse: Welche Signale sind für Ihren Anwendungsfall von Bedeutung?
• Datenauswertung: Inwiefern wirken sich Signale auf Ihren Anwendungsfall aus?
• Entscheidungsfindung: Welche Entscheidung sollten Sie auf der Grundlage positiver, negativer und fehlender Signale treffen?

Was ist „Advisor“?

„Advisor“ ist eine Funktion der Identity Insights-API, die Rohdaten aus Telekommunikationssignalen auswertet und Empfehlungen generiert, sodass es nicht mehr erforderlich ist, einzelne Signale zu interpretieren oder eine Entscheidungslogik von Grund auf neu zu entwickeln.

Der Advisor legt die zugrunde liegenden Signale offen, die bei jeder Bewertung verwendet werden, und erläutert seine Einschätzungen. So können Sie die Ergebnisse anhand Ihres geschäftlichen Kontexts überprüfen.

Advisor besteht aus drei miteinander verbundenen Komponenten:

• Modelle: Jedes Modell definiert empfohlene Insights, Signaldefinitionen auf der Grundlage von Attributwerten sowie Attributbereiche. Vordefinierte Modelle decken gängige Anwendungsfälle und Branchen ab, sodass Sie keine relevanten Signale identifizieren, keine Schwellenwerte festlegen und keine Entscheidungskriterien im Laufe der Zeit pflegen müssen.
• Signalauswertung: Der Advisor wertet jedes Signal im Kontext des Modells aus und gibt eine Bewertung in natürlicher Sprache zurück. Die Bewertung erläutert die Rohwerte für die Geschäfts- und Betriebsteams.
• Tipps für Models: Der Berater wertet relevante Signale und individuelle Beratungswerte – positiv, negativ, Warnung und verpasst – aus und gibt eine Empfehlung mit dem Status „POSITIV“, „WARNUNG“ oder „NEGATIV“ ab. Sie erhalten eine Empfehlung anstelle einer Reihe von Werten, die Sie abgleichen müssen.

Modelle

Der Berater ordnet Signale vordefinierten Modellen zu, die auf bestimmte Risiko- oder Geschäftsziele abgestimmt sind.

Kontoübernahme (ATO)

Definition: Erkennt das Risiko, dass eine unbefugte Person auf einen bestehenden Account zugreift oder diesen kontrolliert.

Unter „Account-Übernahme“ versteht man den unbefugten Zugriff auf den Account oder die Authentifizierungsmethode eines rechtmäßigen Nutzers. Dies kann im Anschluss an Identitätsbetrug oder Phishing erfolgen und umfasst auch die gemeinsame Nutzung von Accounts sowie „Mule-Konten“, die zur Geldwäsche genutzt werden. Angreifer können eine Telefonnummer durch einen SIM-Swap kapern, um die Zwei-Faktor-Authentifizierung (2FA) zu umgehen, ein Smartphone stehlen oder eine SIM-Karte entwenden.

Beispiele:

• Nach einem SIM-Swap setzt ein Angreifer das Passwort für einen Bank-Account zurück und meldet sich an.
• Jemand stiehlt eine SIM-Karte, verschafft sich die persönliche Identifikationsnummer (PIN) und nutzt sie in einem anderen Gerät.

Typische Szenarien:

• Anmeldung und Authentifizierung.
• Passwort zurücksetzen.
• Transaktionen mit hohem Risiko, wie beispielsweise eine Überweisung an einen neuen Empfänger.

Synthetische Identität

Definition: Prüft, ob eine Identität künstlich aus einer Kombination aus echten und falschen Daten erstellt wurde.

Eine synthetische Identität kombiniert echte und falsche Informationen, um eine Person zu erschaffen, die nicht existiert. Betrüger können diese Identitäten nutzen, um Accounts zu eröffnen, Vergünstigungen zu erhalten oder im Laufe der Zeit Betrug zu begehen. Künstlich aufgeblähter Datenverkehr (Artificially Inflated Traffic, AIT) kann synthetische Identitäten nutzen, um den Telekommunikationsdatenverkehr zu manipulieren. In manchen Fällen deuten Signale, die auf eine synthetische Identität hindeuten, auf einen Fehler eines legitimen Kunden hin.

Beispiele:

• Eine echte Telefonnummer, ein falscher Name und ein falsches Geburtsdatum.
• Eine Zufallszahl, ein gültiger Name und eine erfundene E-Mail-Adresse.
• Eine Festnetznummer, die nicht einer bestimmten Person zugeordnet werden kann.

Typische Szenarien:

• Benutzer-Onboarding für nicht verifizierte Benutzer.
• Account erstellen.
• Werbeaktionen und Missbrauch von Werbeaktionen.

Identitätsbetrug

Definition: Erkennt, ob sich ein Nutzer als eine bereits existierende Person ausgibt, ohne Zugriff auf deren Geräte oder Accounts zu haben.

Bei der Identitätsfälschung geht es darum, Systeme oder Personen davon zu überzeugen, dass ein Angreifer jemand anderes ist. Dabei kommen häufig gestohlene personenbezogene Daten und Social Engineering zum Einsatz.

Beispiele:

• Ein Betrüger ruft einen Mobilfunkanbieter an und gibt sich als der Account-Inhaber aus: „Hallo, ich habe mein Handy verloren. Können Sie meine Nummer auf eine neue SIM-Karte übertragen?“ Der Betrüger nutzt gestohlene persönliche Daten wie Name, Geburtsdatum und die letzten vier Ziffern einer Identifikationsnummer, um die Überprüfung zu bestehen.
• Ein Betrüger verschafft sich den Namen, das Geburtsdatum und die Adresse einer Person und beantragt dann unter Verwendung einer privaten Telefonnummer einen Kredit. Wenn der Kreditgeber eine Abfrage bei Identity Insights durchführt, stellt die „Subscriber Match“-Prüfung fest, dass die Telefonnummer nicht auf den angegebenen Namen und die angegebene Adresse registriert ist. Dadurch wird der Antrag als wahrscheinlicher Identitätsbetrugsversuch gekennzeichnet, noch bevor der Kreditgeber den Kredit gewährt.

Typische Szenarien:

• Einführung neuer Benutzer.
• Wiederherstellung des Accounts.
• Schwache Authentifizierungskontexte, zum Beispiel schwer zu überprüfende oder gescannte Ausweisdokumente.

Kundenerfahrung

Definition: Der Schwerpunkt liegt auf der Optimierung der Benutzererfahrung und nicht auf der Aufdeckung von Betrug.

Dieses Modell hilft Ihnen dabei, kontextbezogene Entscheidungen zu treffen, wenn Sie mit Kunden kommunizieren oder diese betreuen. Es hilft Ihnen bei der Beantwortung folgender Fragen:

• Ist diese Telefonnummer wahrscheinlich mit einer bestimmten Person verbunden?
• Ist das ein guter Zeitpunkt, um den Kunden zu kontaktieren?
• Sollten Sie eine SMS versenden, anrufen oder eine App-Benachrichtigung senden?
• Sollten Sie das Roaming in Ihrem Vertriebs- oder Serviceansatz berücksichtigen?

Typische Szenarien:

• Erkennen Sie nicht-mobile Rufnummern, bevor Sie bei der Erstellung eines Accounts ein Einmalpasswort (OTP) versenden. Bei Festnetz- oder VoIP-Nummern ist ein Fallback auf Sprachübertragung erforderlich, was zu einer höheren Abbruchrate führen kann. Nutzen Sie Advisor, um einen besser geeigneten Authentifizierungskanal auszuwählen, oder weisen Sie den Nutzer darauf hin, dass das OTP per Sprachübertragung übermittelt wird.
• Prüfen Sie bei der Bestellung, ob eine Telefonnummer wahrscheinlich gültig ist. So können Sie Kunden bitten, ungültige Nummern vor dem Versand zu korrigieren, ohne den Authentifizierungsprozess an der Kasse unnötig zu erschweren.
• Passen Sie den Zeitpunkt oder den Kanal für ausgehende Anrufe je nach Land, Zeitzone oder potenziellen Gesprächskosten des Kunden an.

Signalauswertung

Für jedes Modell liest Advisor die von Identity Insights zurückgegebenen Attribute aus, vergleicht deren Werte mit modellspezifischen Definitionen und Schwellenwerten und erstellt für jedes Signal eine Interpretation:

• Hinweis: Eine kategoriale Bewertung dessen, was das Signal im Kontext des Modells bedeutet.
• Bewertung: Eine in natürlicher Sprache verfasste Erklärung, warum Advisor diesen Ratschlag im Kontext des Anwendungsfalls gegeben hat.

Sie müssen weder die wörtliche Bedeutung jedes Attributwerts interpretieren noch feststellen, ob er ein Risiko oder ein positives Signal darstellt.

Empfehlungswerte

Beispiele

Modell zur Kontoübernahme – SIM-Swap erkannt

{
  "attribute": "sim_swap.is_swapped",
  "attribute_value": TRUE,
  "advice": "NEGATIVE",
  "assessment": "A SIM swap represents a high risk of account takeover."
}

Modell für synthetische Identitäten – Handynummer bestätigt

{
  "attribute": "current_carrier.network_type",
  "attribute_value": "MOBILE",
  "advice": "POSITIVE",
  "assessment": "The phone number is assigned to a mobile carrier. While this does not mean the phone number is assigned to a subscriber or reachable, this is a positive signal to mitigate different sort of frauds."
}

Modell zur Identitätsfälschung – Nichtübereinstimmung des Abonnentennamens

{
  "attribute": "subscriber_match.given_name_match, subscriber_match.family_name_match",
  "attribute_value": "Neither is EXACT or HIGH",
  "advice": "NEGATIVE",
  "assessment": "Impersonation risk is high because several key attributes do not match the telco operator's records."
}

Kundenerfahrungsmodell – Ungültiges Telefonnummernformat

{
  "attribute": "format.format_valid",
  "attribute_value": FALSE,
  "advice": "NEGATIVE",
  "assessment": "Do not trust phone numbers with invalid format."
}

Erfassungslücken und versäumte Erkenntnisse

Advisor ermittelt außerdem empfohlene Insights, die nicht in der Anfrage enthalten waren oder für eine Telefonnummer nicht verfügbar sind. Wenn ein empfohlenes Insight fehlt, generiert Advisor ein MISSED_INSIGHT Signal:

{
  "attribute": "sim_swap",
  "advice": "MISSED_INSIGHT",
  "assessment": "This Insight is recommended for the Advisor account takeover model."
}

Jedes Modell definiert empfohlene Insights, also die für den jeweiligen Anwendungsfall relevantesten Attribute. Dadurch lassen sich Lücken in der Abdeckung erkennen, die die Zuverlässigkeit der Auswertung beeinträchtigen können, und Sie können Ihre Insights-Abfragen im Laufe der Zeit optimieren. Die insights_completeness_ratio Im nächsten Abschnitt wird der Einfluss fehlender Signale auf die Zuverlässigkeit der Auswertung dargestellt.

Tipps für Models

Nachdem Advisor alle Signale ausgewertet hat, fasst es diese zu einer Empfehlung auf Modellebene zusammen: POSITIV, WARNUNG oder NEGATIV. Diese Empfehlung fasst das gesamte Signalprofil für den bewerteten Anwendungsfall zusammen.

Metriken

Advisor stellt Kennzahlen bereit, die die Zusammensetzung und Qualität der Signalauswertung beschreiben. Diese Kennzahlen fließen in die abschließende Modellempfehlung ein und helfen Ihnen dabei, die Zuverlässigkeit und Aussagekraft des Ergebnisses einzuschätzen.

Erkenntnis-Vollständigkeitsgrad

Das Verhältnis der verfügbaren, nicht fehlenden Insights zur Gesamtzahl der für das Modell empfohlenen Insights. Ein niedriges Verhältnis bedeutet, dass Advisor das Modell anhand begrenzter Daten bewertet hat, was die Zuverlässigkeit beeinträchtigt.

insights_completeness_ratio = available insights / recommended insights

Zum Beispiel, die synthetic_identity Das Modell hat format, original_carrierund subscriber_match wie von Insights empfohlen. Wenn nur format ist verfügbar, beträgt das Verhältnis eins zu drei:

{
  "insights_completeness_ratio": 0.33
}

Beratungskennzahlen

Drei sich ergänzende Kennzahlen beschreiben die Verteilung der Ergebnisse über die im Modell untersuchten Signale hinweg. MISSED_INSIGHT Signale werden bei dieser Berechnung nicht berücksichtigt. Nur POSITIVE, WARN- und NEGATIVE Signale fließen in den Nenner ein.

Angenommen, es liegen folgende Signale vor:

{
  "signals": [
    {
      "attribute": "format.is_format_valid",
      "advice": "POSITIVE",
      "assessment": "According to the global and local numbering standard this number can be legitimately assigned by carriers to subscribers."
    },
    {
      "attribute": "current_carrier.network_type",
      "advice": "WARNING",
      "assessment": "Insight original_carrier is recommended if current_carrier.network_type is not mobile or available."
    },
    {
      "attribute": "roaming",
      "advice": "MISSED_INSIGHT",
      "assessment": "Insight missed - This Insight is recommended to evaluate advisor synthetic_identity model."
    }
  ]
}

Die Kennzahlen werden anhand der beiden nicht fehlenden Signale berechnet:

{
  "positive_ratio": 0.5,
  "warning_ratio": 0.5,
  "negative_ratio": 0.0
}

Gewichtete Quote

Ein einziger normalisierter Wert erfasst die Gesamtsignalqualität, indem jedem Beratungsergebnis feste Gewichtungen zugewiesen werden:

POSITIVE → 1
WARNING → 0.5
NEGATIVE → 0

Die gewichtete Summe wird dann durch die Gesamtzahl der nicht übersehenen Signale geteilt. Beispiel: Bei 10 POSITIVEN, 3 WARNUNGEN und 2 NEGATIVEN:

(10 × 1) + (3 × 0.5) + (2 × 0) = 10 + 1.5 + 0 = 11.5

Total signals, excluding MISSED_INSIGHT: 10 + 3 + 2 = 15

weighted_ratio: 11.5 / 15 = 0.77

Ein gewichteter Wert nahe 1,0 spiegelt ein überwiegend positives Signalprofil wider. Ein Wert nahe 0,0 deutet auf ein Profil hin, das von Risiko- oder negativen Signalen geprägt ist.

Beratungskriterien

Advisor unterstützt drei Aggregationskriterien. Wählen Sie das Kriterium aus, das am besten zu Ihrer Risikobereitschaft und Ihrer Datenverfügbarkeit passt.

Worst-Case-Szenario (model_advice.worst_case)

Die Gesamtempfehlung ist das negativste Einzelsignal in der Bewertung. Ein einziges NEGATIVES Signal führt dazu, dass die Modellempfehlung NEGATIV ausfällt, unabhängig davon, wie viele positive Signale vorliegen. Wenn alle Signale MISSED_INSIGHT, wird standardmäßig die Warnung „WARNING“ angezeigt.

Wenden Sie diesen konservativen Ansatz in Kontexten mit hohen Sicherheitsanforderungen an, wie beispielsweise bei Finanztransaktionen oder der Wiederherstellung von Accounts, in denen die Kosten durch nicht aufgedeckte Betrugsfälle die Kosten durch zusätzlichen Aufwand bei weitem übersteigen.

Auf Vollständigkeit basierend (model_advice.completeness)

Der Berater leitet die allgemeine Empfehlung aus der insights_completeness_ratio, das angibt, zu welchem Anteil der empfohlene Signalsatz verfügbar ist. Dieses Kriterium betrachtet die Datenverfügbarkeit als Risikoindikator, da eine Auswertung mit wenigen Signalen weniger zuverlässig ist.

Verwenden Sie dieses Kriterium, wenn unvollständige Daten Anlass zur Vorsicht geben müssen oder wenn Sie einen Mindestschwellenwert für die Signalabdeckung benötigen, bevor Sie einer Empfehlung folgen.

Gewichtungsbasiert (model_advice.weighted_ratio)

Der Berater leitet die allgemeine Empfehlung aus der weighted_ratio, das POSITIVE, WARN- und NEGATIVE Signale ausgleicht. Wenn alle Signale MISSED_INSIGHT, wird standardmäßig die Warnung „WARNING“ angezeigt.

Verwenden Sie dieses Kriterium, wenn ein deutlich positives Signalprofil nicht durch ein einzelnes mehrdeutiges Ergebnis außer Kraft gesetzt werden darf und wenn Sie unnötige Hindernisse für berechtigte Nutzer vermeiden möchten.

Adaptive Sicherheit

Die von Advisor generierten Modellempfehlungen sollten stets als ein Input innerhalb eines umfassenderen Entscheidungsprozesses betrachtet werden und nicht als eigenständiges Urteil. Aus Telekommunikationsdaten abgeleitete Signale sind probabilistische Indikatoren und stellen keinen Beweis für Betrug oder Legitimität dar. Um eine maximale Wirksamkeit zu erzielen, sollten Sie die Ergebnisse von Advisor mit Signalen aus anderen Bereichen als der Telekommunikation kombinieren, wie beispielsweise Geräteinformationen, Verhaltensanalysen, Transaktionskontext und interne Risikohistorie. Kein einzelnes Signal sollte isoliert eine Entscheidung bestimmen, und Risiko-Workflows sollten so gestaltet sein, dass sie mehrere Inputs kombinieren und konservative Ausweichlösungen anwenden, wenn wichtige Informationen fehlen oder unvollständig sind.

Nutzen Sie adaptive Sicherheit, um je nach erkanntem Risiko ein angemessenes Maß an Reibung anzuwenden. Ein Profil mit geringem Risiko und einem gut abgedeckten Modell kann ein nahezu reibungsloses Erlebnis ermöglichen. Ein Profil mit mittlerem Risiko und unklaren oder fehlenden Signalen kann eine verstärkte Sicherheitsmaßnahme auslösen, wie beispielsweise ein Einmalpasswort (OTP), eine stille Authentifizierung oder eine biometrische Überprüfung. Ein Hochrisikoprofil mit mehreren NEGATIVEN Signalen, einer geringen Vollständigkeitsquote oder Indikatoren wie einem kürzlich erfolgten SIM-Swap und einer Nichtübereinstimmung der Teilnehmerdaten kann eine Transaktionsprüfung, eine weitere Verifizierung oder eine Ablehnung auslösen. Advisor liefert die aus der Telekommunikationsbranche abgeleitete Dimension dieses Risikobildes: passiv, in Echtzeit und unabhängig von Daten, die der Nutzer manipulieren kann.

Identity Insights und Advisor entfalten ihre größte Wirkung, wenn sie in eine Entscheidungs-Engine eingebettet sind, die von der Marke gesteuert und kontinuierlich weiterentwickelt wird. Advisor übernimmt den schwierigsten Teil – die Interpretation von Rohdaten aus dem Telekommunikationsbereich und deren Umsetzung in eine modellspezifische Risikobewertung –, während die endgültige Entscheidungslogik, die Konfiguration der Schwellenwerte und die Geschäftsregeln in Ihren Händen bleiben. Im Laufe der Zeit, wenn Sie Vertrauen in bestimmte Signale und Modelle gewinnen, kann die Entscheidungsmaschine so angepasst werden, dass Telekommunikationssignale in den Kundenpfaden, in denen sie sich durchweg als entscheidend erweisen, stärker gewichtet werden – und in Kontexten, in denen andere Signale dominieren, weniger stark. Das Ergebnis ist eine Betrugs- und Kundenerlebnisstrategie, die sowohl prinzipientreu als auch anpassungsfähig ist – eine Strategie, die mit jeder Interaktion präziser wird.