Un cliente presenta un numero di Social Security valido, supera un controllo del database e mostra un documento d’identità convincente. Tutto sembra normale, tranne per il fatto che la persona che richiede l’apertura del conto non esiste realmente.

Questa è la sfida che la frode con identità sintetiche pone alle banche. Invece di impersonare una singola vittima, i criminali combinano informazioni personali autentiche con nomi, indirizzi, numeri di telefono o date di nascita inventati per creare una nuova identità. La Federal Reserve definisce questo reato come l’utilizzo di una combinazione di informazioni personali identificabili per fabbricare una persona o un’entità a scopo fraudolento o di profitto finanziario.

I sistemi basati su identità sintetiche possono rimanere nascosti per mesi o anni. I truffatori possono effettuare piccoli pagamenti, costruire una storia creditizia credibile e ottenere gradualmente limiti più elevati prima di esaurire i conti disponibili e scomparire. Poiché nessuna vittima convenzionale di furto d’identità denuncia immediatamente il crimine, la perdita risultante può essere contabilizzata come normale credito inesigibile.

L’esposizione finanziaria è in aumento. TransUnion ha stimato che l’esposizione alle identità sintetiche sui conti statunitensi aperti di carte di credito, carte commerciali, prestiti auto e prestiti personali abbia raggiunto 3,3 miliardi di dollari alla fine del 2024. Deloitte prevede che le frodi con identità sintetiche genereranno almeno 23 miliardi di dollari di perdite entro il 2030.

L’IA generativa rende la minaccia più difficile da contenere, aiutando i criminali a produrre documenti falsificati, fotografie di profilo realistiche, video deepfake e migliaia di identità fittizie coerenti. Nessun singolo prodotto può affrontare ogni aspetto del problema. Le banche hanno sempre più bisogno di più livelli che operino insieme, inclusi grafi delle identità, biometria comportamentale, intelligence sui dispositivi, analisi dei documenti, connessioni di rete e monitoraggio continuo delle transazioni.

Le piattaforme seguenti si distinguono per la capacità di combinare questi segnali nelle decisioni antifrode in tempo reale.

Socure Sigma Synthetic Fraud

Sigma Synthetic Fraud di Socure è uno dei prodotti progettati specificamente per questo mercato. Invece di considerare sospetto ogni richiedente con una storia creditizia limitata, il modello è progettato per distinguere i consumatori legittimi con una storia creditizia ridotta o appena arrivati nel Paese dalle identità manipolate e fabbricate.

Il sistema analizza le relazioni tra nomi, indirizzi, numeri di telefono, account email, dispositivi, indirizzi IP, schemi di frequenza e registri delle identità online e offline più ampi. Socure afferma che il suo modello più recente è utilizzato da tutte e cinque le cinque maggiori banche statunitensi, oltre che da importanti emittenti di carte e centinaia di società fintech.

La piattaforma può inoltre essere combinata con la verifica dei documenti, l’analisi comportamentale e l’intelligence sui dispositivi attraverso il più ampio stack di identità di Socure. Questo può aiutare le banche a ottenere un punteggio di rischio specifico per le identità sintetiche senza creare attriti inutili per i giovani consumatori o per i richiedenti con una storia creditizia convenzionale limitata.

SentiLink Synthetic Fraud Score

SentiLink ha costruito la propria reputazione sul rilevamento delle identità sintetiche durante il processo di richiesta. Il suo Synthetic Fraud Score stima la probabilità che il nome, la data di nascita e il numero di Social Security presentati da un richiedente non appartengano a un’unica persona coerente.

La società distingue tra identità manipolate, nelle quali qualcuno può utilizzare il proprio nome reale insieme al numero identificativo di un’altra persona, e identità completamente fabbricate assemblate da organizzazioni criminali. I punteggi basati sul machine learning sono integrati da indicatori spiegabili che aiutano gli investigatori a esaminare problemi come relazioni sospette tra numeri di Social Security, cronologie telefoniche insolite o elementi identificativi non corrispondenti.

Il rapporto sulle frodi di SentiLink relativo alla seconda metà del 2025 si basava su oltre 236 milioni di richieste di apertura di conti. La società ha dichiarato di servire undici delle quindici maggiori banche statunitensi. Questa scala offre ai suoi modelli visibilità su attacchi coordinati che potrebbero apparire insignificanti nei dati di una singola istituzione.

Alloy Fraud Platform

Alloy affronta il rilevamento delle identità sintetiche come un problema di orchestrazione delle decisioni. Spesso le banche acquistano dati sulle identità, controlli documentali, strumenti per i dispositivi e punteggi antifrode da diversi fornitori, per poi scoprire che i sistemi non comunicano in modo efficace. Alloy riunisce questi segnali in flussi configurabili per l’onboarding e il monitoraggio dei conti.

Il suo Fraud Signal utilizza il machine learning addestrato su comportamenti aggregati e schemi di rischio provenienti da una rete di oltre 900 istituzioni finanziarie e società fintech. La piattaforma può combinare informazioni provenienti da centinaia di servizi dati, applicare la propensione al rischio della banca e attivare verifiche più rigorose quando una richiesta supera una soglia definita.

Questa flessibilità è importante nel rilevamento delle identità sintetiche perché il segnale d’allarme raramente consiste in un singolo documento evidentemente fraudolento. Più spesso si tratta di una serie di piccole incoerenze che coinvolgono informazioni di contatto, dispositivi, indirizzi e cronologie delle richieste. Alloy è progettata per trasformare questi indizi frammentati in una decisione coordinata.

Sardine

Sardine combina la verifica dell’identità con l’intelligence sui dispositivi, la biometria comportamentale, i dati consortili e l’analisi dei grafi. La sua tecnologia può esaminare più delle informazioni inserite in una richiesta, valutando anche come la richiesta è stata completata, se un dispositivo è già comparso altrove nella rete e se identità apparentemente non correlate condividono connessioni tecniche nascoste.

Il Connections Graph di Sardine è particolarmente rilevante per le banche che affrontano frodi sintetiche organizzate, perché può identificare gruppi di conti collegati da dispositivi, esercenti, indirizzi o schemi di transazione comuni. Il suo agente Graph Analyst è progettato per analizzare queste relazioni e portare alla luce abusi coordinati che una soluzione puntuale convenzionale potrebbe non rilevare.

Sardine estende inoltre i segnali di rischio oltre l’onboarding, integrandoli nei flussi di monitoraggio delle transazioni e di contrasto al riciclaggio. Questa visione dell’intero ciclo di vita può aiutare le banche a identificare conti basati su identità sintetiche che inizialmente si comportano normalmente, ma in seguito iniziano a ricevere trasferimenti sospetti, a spostare rapidamente denaro o a operare come parte di una rete di prestanome.

Feedzai

Feedzai collega lo screening dell’identità al momento dell’apertura del conto con il monitoraggio continuativo dei pagamenti e del comportamento. La sua funzionalità Secure Onboarding può orchestrare diversi segnali di rischio attraverso un’unica interfaccia e conservare il profilo di rischio risultante dopo l’approvazione del richiedente.

Questa continuità è importante perché un’identità sintetica può superare la verifica iniziale e trascorrere mesi a costruire una storia credibile prima di tentare un bust-out. Feedzai può monitorare le caratteristiche del dispositivo, i cambiamenti comportamentali e le transazioni durante tutto questo periodo, invece di considerare l’onboarding come la decisione finale sull’identità.

La società afferma che i suoi prodotti per l’identità sono progettati per prevenire frodi sintetiche, impersonificazione e acquisizione illecita di account durante l’intero ciclo di vita del cliente. Nel suo sondaggio globale sui professionisti del crimine finanziario, Feedzai ha inoltre riferito che il 90% degli istituti finanziari partecipanti utilizzava già l’IA per accelerare le indagini o rilevare nuove tattiche di frode. Il dato illustra il ruolo crescente dell’analisi automatizzata nelle moderne difese bancarie.

TransUnion TruValidate Synthetic Fraud Model

Il TruValidate Synthetic Fraud Model di TransUnion sfrutta la posizione della società all’intersezione tra storie creditizie, registri delle identità e intelligence digitale sul rischio. Il prodotto è progettato per identificare le identità sintetiche limitando al contempo il rifiuto dei richiedenti legittimi.

TruValidate può combinare informazioni sull’identità offline con tracce di navigazione, dati delle reti telefoniche, identità del dispositivo e altri segnali digitali attraverso un grafo delle identità. Questo consente a una banca di valutare non solo se un numero di Social Security esiste, ma anche se l’identità completa sembra essersi sviluppata naturalmente nel tempo.

La ricerca di TransUnion ha rilevato che l’esposizione dei prestatori statunitensi collegata alle identità sintetiche ha raggiunto un livello record, con l’esposizione dei conti aperti salita a circa 3,3 miliardi di dollari alla fine del 2024. La tecnologia può supportare sia lo screening iniziale sia il monitoraggio del portafoglio, aiutando i prestatori a individuare identità che diventano sospette solo dopo l’estensione del credito.

LexisNexis Fraud Intelligence Synthetic Score

LexisNexis Risk Solutions utilizza informazioni pubbliche, proprietarie e provenienti da più settori per identificare combinazioni di elementi identificativi che non risultano coerenti se osservate nel loro insieme. Il suo Fraud Intelligence Synthetic Score valuta oltre 170 caratteristiche dell’identità ed eventi della vita, cercando incoerenze che coinvolgono numeri di Social Security, nomi, indirizzi email, numeri di telefono e altri attributi.

Il risultato viene fornito come un punteggio di rischio a tre cifre accompagnato da codici di avvertimento ordinati per rilevanza, offrendo agli investigatori più contesto rispetto a una semplice risposta di approvazione o rifiuto. Secondo LexisNexis, il modello può rilevare indicatori come una presenza insolitamente recente presso gli uffici di credito, campi di contatto sovraffollati ed elementi identificativi comparsi con una frequenza sospetta.

Il punteggio è disponibile tramite API, elaborazione batch o la piattaforma decisionale della società. Le banche possono quindi integrarlo nei sistemi di onboarding esistenti senza ricostruire completamente la propria infrastruttura antifrode.

Experian Precise ID

Precise ID di Experian combina verifica dell’identità, analisi antifrode e autenticazione step-up al momento dell’apertura di un conto. I suoi modelli sono progettati per rilevare furto d’identità, insolvenza al primo pagamento, comportamento bust-out e frodi con identità sintetiche, aiutando al contempo le banche ad approvare automaticamente i clienti autentici.

Experian utilizza richieste di credito provenienti da diversi prestatori, informazioni demografiche e un grafo delle identità che mostra come i dati personali siano stati collegati e riutilizzati nel tempo. Questi collegamenti possono rivelare che uno stesso numero di telefono, indirizzo o numero di Social Security è comparso in più identità o richieste.

Experian afferma che nove delle dieci maggiori banche statunitensi utilizzano i servizi Precise ID e che la piattaforma elabora ogni anno centinaia di milioni di transazioni. Le banche possono implementare il prodotto direttamente o accedervi tramite gli ambienti Ascend e CrossCore di Experian, rendendolo un’opzione per le istituzioni che già si affidano ai dati Experian per le decisioni sul credito e sui clienti.

BioCatch Connect

BioCatch cerca segnali di frode nel modo in cui una persona interagisce con un’applicazione bancaria. La sua intelligence comportamentale può analizzare schemi di digitazione, movimenti del mouse, attività sul touchscreen, abitudini di navigazione, caratteristiche del dispositivo e segnali di sessioni automatizzate o controllate da remoto.

Questo offre un’ulteriore linea di difesa quando un’identità sintetica è supportata da documenti e informazioni personali apparentemente validi dal punto di vista tecnico. BioCatch Connect combina telemetria in tempo reale con intelligence predittiva e migliaia di segnali relativi ad applicazioni, reti, dispositivi e transazioni.

La piattaforma è progettata per rilevare frodi nell’apertura dei conti, attività di bot, acquisizione illecita di account e conti utilizzati da prestanome lungo tutto il percorso del cliente. BioCatch afferma che la sua tecnologia è utilizzata da oltre 350 banche retail e analizza miliardi di sessioni utente ogni mese.

La biometria comportamentale potrebbe non dimostrare autonomamente che un’identità esiste. Tuttavia, può rivelare quando il richiedente che si cela dietro un’identità apparentemente impeccabile si comporta come un gestore di bot, un operatore di una struttura fraudolenta o un criminale recidivo.

Mitek Verified Identity Platform

La Verified Identity Platform di Mitek, comunemente nota come MiVIP, si concentra su un’assicurazione dell’identità stratificata attraverso convalida dei dati, autenticazione dei documenti, biometria, intelligence sul rischio e screening antiriciclaggio. Le banche possono configurare diversi percorsi di verifica in base al prodotto, al cliente e al livello di rischio coinvolto.

Le sue funzionalità basate sull’IA sono progettate per identificare manipolazioni dei documenti, deepfake e altri contenuti sintetici sempre più utilizzati nell’onboarding da remoto. Mitek supporta inoltre l’autenticazione continuativa dopo l’apertura del conto, consentendo alle banche di riutilizzare le informazioni biometriche verificate per l’accesso o l’approvazione delle transazioni.

Una ricerca pubblicata da Mitek e Datos Insights nel 2026 ha rilevato che l’84% dei dirigenti antifrode intervistati considerava la frode con identità sintetiche un rischio applicativo elevato o moderato. La stessa ricerca ha stimato a circa 2,94 miliardi di dollari nel 2025 le perdite statunitensi sui crediti non garantiti associate alle identità sintetiche. I risultati rafforzano la necessità di passare da controlli dell’identità una tantum a un’assicurazione continua.

Alle banche servono più livelli, non un singolo punteggio

La piattaforma più adatta per una banca dipende dai punti deboli delle sue difese esistenti. Un prestatore che fatica a distinguere i consumatori con una storia creditizia ridotta dalle identità fabbricate potrebbe dare priorità a Socure, SentiLink, TransUnion o LexisNexis. Un’istituzione che gestisce troppi fornitori scollegati potrebbe trarre maggior beneficio dal modello di orchestrazione di Alloy.

Le banche che affrontano strutture di bot, gruppi coordinati di account o reti sintetiche di prestanome potrebbero concentrarsi maggiormente su Sardine, Feedzai o BioCatch. Experian e Mitek offrono combinazioni di dati sull’identità, analisi dei documenti e verifica step-up.

La lezione più ampia è che la frode con identità sintetiche non può essere affrontata verificando soltanto se i singoli dati siano validi. Un numero di Social Security reale, un indirizzo valido per la consegna e un selfie convincente possono comunque appartenere a una persona fabbricata da un’organizzazione criminale.

Le banche devono valutare se un’identità abbia una storia credibile, se il suo comportamento digitale appaia umano, se i suoi elementi costitutivi presentino relazioni sospette e se la sua attività rimanga coerente dopo l’onboarding. L’IA sta rendendo più semplice creare identità sintetiche, ma sta anche fornendo agli istituti finanziari gli strumenti per collegare questi indizi prima che un cliente fittizio si trasformi in una perdita reale.