核心观点 - 美国金融机构因合成身份欺诈面临重大财务风险 截至2024年的一年中 风险敞口超过33亿美元[1] 利用包含真实世界属性的公共数据进行早期识别至关重要[1][4] 行业挑战与欺诈特征 - 合成身份欺诈手法复杂且无单一模式 其结合真实与伪造信息 常使用被盗的社会安全号码和虚构姓名 并能模仿合法消费者行为以绕过传统验证系统[2][3] - 合成身份通常表现出稳定、低风险的行为模式 使其与真实个体难以区分 对金融机构的检测能力构成持续挑战[3] - 缺乏某些“生存特征”是识别合成身份的关键指标 例如 30-50%的合成身份没有已知亲属或机动车登记记录 这使其为合成身份的可能性比合法身份高出多达7倍[4] - 其他高风险特征还包括缺失选民和车辆登记记录 或无房产所有权记录 所有被分析的合成身份均无公开破产记录 这是其普遍特征[4] 解决方案与模型价值 - TransUnion的合成欺诈模型通过主动分析广泛的公共数据指标及其他风险因素 旨在在账户创建等客户旅程早期识别欺诈 从而在造成财务损害前采取预防措施[5] - 该模型通过减少人工审核需求和最小化客户摩擦来提升运营效率 帮助贷方在简化流程的同时 以更高的准确性和速度提升欺诈检测率 保护客户和自身利润[6] - 解决方案强调在客户生命周期的每个阶段进行风险检测 特别是通过识别真实生活属性的缺失来从源头预防欺诈[7] 公司信息 - TransUnion是一家全球信息和洞察公司 在30多个国家拥有超过13000名员工 其解决方案基于核心信用业务 扩展至营销、欺诈、风险和高级分析等领域[8]