Клиент предоставляет действительный номер Social Security, проходит проверку по базе данных и предъявляет убедительный документ, удостоверяющий личность. Все выглядит нормально — за исключением того, что человек, подающий заявку на открытие счета, на самом деле не существует.

Именно такую проблему создает для банков мошенничество с синтетическими личностями. Вместо того чтобы просто выдавать себя за одну жертву, преступники объединяют настоящие персональные данные с вымышленными именами, адресами, номерами телефонов или датами рождения, чтобы создать новую личность. Федеральная резервная система определяет это преступление как использование комбинации персональных идентификационных данных для фальсификации личности человека или организации с целью обмана или финансовой выгоды.

Схемы с синтетическими личностями могут оставаться незамеченными месяцами или годами. Мошенники могут вносить небольшие платежи, формировать убедительную кредитную историю и постепенно получать доступ к более высоким лимитам, прежде чем исчерпать доступные средства на счетах и исчезнуть. Поскольку ни одна обычная жертва кражи личности сразу не сообщает о преступлении, такие потери могут быть списаны как стандартная безнадежная задолженность.

Финансовые риски растут. По оценке TransUnion, объем задолженности по открытым в США счетам кредитных карт, розничных карт, автокредитов и потребительских кредитов, связанный с синтетическими личностями, достиг $3.3 billion на конец 2024 года. Deloitte ожидает, что к 2030 году мошенничество с синтетическими личностями приведет к убыткам не менее $23 billion.

Генеративный ИИ усложняет сдерживание угрозы, помогая преступникам создавать поддельные документы, реалистичные фотографии профилей, дипфейк-видео и тысячи согласованных между собой вымышленных личностей. Ни один продукт не способен решить все аспекты этой проблемы. Банкам все чаще требуется совместная работа нескольких уровней защиты, включая графы идентичности, поведенческую биометрию, анализ устройств, проверку документов, сетевые связи и постоянный мониторинг транзакций.

Ниже представлены платформы, которые выделяются способностью объединять такие сигналы для принятия решений о мошенничестве в реальном времени.

Socure Sigma Synthetic Fraud

Sigma Synthetic Fraud от Socure — один из специализированных продуктов на этом рынке. Вместо того чтобы считать подозрительным каждого заявителя с ограниченной кредитной историей, модель предназначена для отделения добросовестных клиентов с небольшой кредитной историей или недавно прибывших в страну от измененных и сфабрикованных личностей.

Она анализирует взаимосвязи между именами, адресами, номерами телефонов, электронными почтовыми ящиками, устройствами, IP-адресами, скоростью операций и более широкими онлайн- и офлайн-записями об идентичности. Socure сообщает, что ее последняя модель используется всеми пятью крупнейшими банками США, а также крупными эмитентами карт и сотнями финтех-компаний.

Платформу также можно объединить с проверкой документов, поведенческой аналитикой и анализом устройств в рамках более широкой системы идентификации Socure. Это позволяет банкам получать специализированную оценку риска синтетической личности, не создавая лишних препятствий для молодых клиентов или заявителей с ограниченной традиционной кредитной историей.

SentiLink Synthetic Fraud Score

SentiLink завоевала репутацию благодаря выявлению синтетических личностей на этапе подачи заявки. Ее Synthetic Fraud Score оценивает вероятность того, что имя, дата рождения и номер Social Security, указанные заявителем, не принадлежат одному реальному человеку.

Компания различает измененные личности, когда человек может использовать свое настоящее имя вместе с идентификационным номером другого лица, и полностью сфабрикованные личности, созданные организованными группами мошенников. Оценки машинного обучения дополняются объяснимыми сигналами, которые помогают расследователям анализировать такие проблемы, как подозрительные связи номеров Social Security, необычную историю телефонных номеров или несоответствия между элементами идентичности.

Отчет SentiLink о мошенничестве за вторую половину 2025 года был основан на данных более чем 236 million заявок на открытие счетов. Компания заявила, что обслуживала eleven из fifteen крупнейших банков США. Такой масштаб дает ее моделям возможность выявлять скоординированные атаки, которые в записях одного учреждения могут выглядеть незначительными.

Alloy Fraud Platform

Alloy рассматривает выявление синтетических личностей как задачу координации решений. Банки часто приобретают данные об идентичности, инструменты проверки документов и устройств, а также оценки мошеннического риска у разных поставщиков, но обнаруживают, что эти системы плохо взаимодействуют друг с другом. Alloy объединяет такие сигналы в настраиваемых процессах регистрации клиентов и мониторинга счетов.

Ее Fraud Signal использует машинное обучение, обученное на агрегированных моделях поведения и риска в сети, включающей более 900 финансовых учреждений и финтех-компаний. Платформа может объединять информацию от сотен сервисов данных, учитывать собственную склонность банка к риску и запускать усиленную проверку только тогда, когда заявка пересекает заданный порог.

Такая гибкость особенно важна при выявлении синтетических личностей, поскольку предупреждающим признаком редко бывает один очевидно поддельный документ. Чаще речь идет о совокупности небольших несоответствий в контактных данных, устройствах, адресах и истории заявок. Alloy помогает банкам превратить разрозненные признаки в единое скоординированное решение.

Sardine

Sardine объединяет проверку личности с анализом устройств, поведенческой биометрией, данными консорциума и графовой аналитикой. Ее технология может анализировать не только сведения, введенные в заявку, но и то, как она была заполнена, появлялось ли устройство в других местах сети и имеют ли несколько предположительно не связанных между собой личностей скрытые технические связи.

Граф связей Sardine особенно актуален для банков, сталкивающихся с организованным мошенничеством с синтетическими личностями, поскольку он может выявлять кластеры счетов, связанные общими устройствами, торговыми точками, адресами или моделями транзакций. Агент Graph Analyst предназначен для изучения таких связей и выявления скоординированных злоупотреблений, которые может пропустить обычное точечное решение.

Sardine также переносит сигналы риска за пределы регистрации клиента — в процессы мониторинга транзакций и противодействия отмыванию денег. Такой подход на протяжении всего жизненного цикла помогает банкам выявлять синтетические счета, которые сначала ведут себя нормально, но позднее начинают получать подозрительные переводы, быстро перемещать деньги или работать как часть сети подставных счетов.

Feedzai

Feedzai связывает проверку личности при открытии счета с постоянным мониторингом платежей и поведения. Ее Secure Onboarding может координировать различные сигналы риска через единый интерфейс и сохранять сформированный профиль риска после одобрения клиента.

Такая непрерывность важна, поскольку синтетическая личность может пройти первоначальную проверку и месяцами формировать убедительную историю, прежде чем попытаться совершить масштабное хищение средств. Feedzai может отслеживать характеристики устройства, изменения поведения и транзакции на протяжении всего этого периода, а не рассматривать регистрацию как окончательное решение относительно личности.

Компания заявляет, что ее продукты для идентификации предназначены для предотвращения мошенничества с синтетическими личностями, выдачи себя за другого человека и захвата счетов на протяжении всего жизненного цикла клиента. В глобальном опросе специалистов по финансовым преступлениям Feedzai также сообщила, что 90% участвовавших финансовых учреждений уже использовали ИИ для ускорения расследований или выявления новых тактик мошенничества. Это показывает, насколько важным стал автоматизированный анализ для современной защиты банков.

TransUnion TruValidate Synthetic Fraud Model

Модель TruValidate Synthetic Fraud Model от TransUnion использует положение компании на пересечении кредитных историй, записей об идентичности и цифровой информации о рисках. Продукт специально разработан для выявления синтетических личностей при одновременном ограничении числа отказов добросовестным заявителям.

TruValidate может объединять офлайн-информацию об идентичности с данными о посещенных страницах, информацией телефонных сетей, идентификаторами устройств и другими цифровыми сигналами через граф идентичности. Это позволяет банку оценивать не только существование номера Social Security, но и то, выглядит ли вся личность сформировавшейся естественным образом с течением времени.

Исследование TransUnion показало, что объем кредитных рисков американских кредиторов, связанных с синтетическими личностями, достиг рекордного уровня: задолженность по открытым счетам выросла примерно до $3.3 billion к концу 2024 года. Поэтому технология может поддерживать как первоначальный отбор, так и мониторинг портфеля, помогая кредиторам выявлять личности, которые становятся подозрительными уже после предоставления кредита.

LexisNexis Fraud Intelligence Synthetic Score

LexisNexis Risk Solutions использует обширные общедоступные, собственные и отраслевые данные для выявления комбинаций элементов идентичности, которые не выглядят логичными в совокупности. Ее Fraud Intelligence Synthetic Score оценивает более 170 характеристик идентичности и событий жизненного цикла, выявляя несоответствия в номерах Social Security, именах, адресах электронной почты, телефонных номерах и других атрибутах.

Результат предоставляется в виде трехзначной оценки риска с ранжированными кодами предупреждений, что дает расследователям больше контекста, чем простой ответ «одобрить или отклонить». По данным LexisNexis, модель может выявлять такие признаки, как слишком недавнее появление в кредитном бюро, перегруженные контактные поля и элементы идентичности, появляющиеся с подозрительно высокой частотой.

Оценка доступна через API, пакетную обработку или платформу принятия решений компании. Поэтому банки могут встроить ее в существующие системы регистрации клиентов без полной перестройки инфраструктуры противодействия мошенничеству.

Experian Precise ID

Precise ID от Experian объединяет проверку личности, аналитику мошенничества и усиленную аутентификацию в момент открытия счета. Модели предназначены для выявления кражи личности, неплатежа по первому платежу, поведения перед масштабным хищением средств и мошенничества с синтетическими личностями, одновременно помогая банкам автоматически одобрять добросовестных клиентов.

Experian использует кредитные запросы по разным кредиторам, демографическую информацию и граф идентичности, показывающий, как персональные данные связывались и повторно использовались с течением времени. Эти связи могут выявить, что один номер телефона, адрес или номер Social Security встречался в нескольких личностях или заявках.

Experian сообщает, что девять из десяти крупнейших банков США используют сервисы Precise ID, а платформа ежегодно обрабатывает сотни миллионов транзакций. Банки могут внедрять продукт напрямую или получать к нему доступ через среды Experian Ascend и CrossCore, что делает его подходящим вариантом для учреждений, уже использующих данные Experian при принятии кредитных решений и решений о клиентах.

BioCatch Connect

BioCatch ищет признаки мошенничества в том, как человек взаимодействует с банковским приложением. Ее поведенческая аналитика может изучать особенности набора текста, движения мыши, активность на сенсорном экране, привычки навигации, характеристики устройства и признаки автоматизированных или удаленно управляемых сессий.

Это дает банкам дополнительный уровень защиты, когда синтетическая личность подкреплена документами и персональной информацией, которые выглядят технически действительными. BioCatch Connect объединяет телеметрию в реальном времени с прогнозной аналитикой и тысячами сигналов приложения, сети, устройства и транзакций.

Платформа предназначена для выявления мошенничества при открытии счетов, активности ботов, захвата счетов и подставных счетов на протяжении всего клиентского пути. BioCatch сообщает, что ее технология используется более чем 350 розничными банками и ежемесячно анализирует billions пользовательских сессий.

Поведенческая биометрия сама по себе не всегда может доказать существование личности. Однако она способна показать, когда заявитель, стоящий за тщательно подготовленным пакетом идентификационных данных, ведет себя как оператор ботов, участник мошеннической фермы или повторный преступник.

Mitek Verified Identity Platform

Verified Identity Platform компании Mitek, обычно называемая MiVIP, ориентирована на многоуровневое подтверждение личности с использованием проверки данных, аутентификации документов, биометрии, аналитики рисков и проверки на соответствие требованиям по противодействию отмыванию денег. Банки могут настраивать разные сценарии проверки в зависимости от продукта, клиента и уровня риска.

Возможности платформы на основе ИИ предназначены для выявления манипуляций с документами, дипфейков и другого синтетического контента, который все чаще используется при удаленной регистрации клиентов. Mitek также поддерживает продолжающуюся аутентификацию после открытия счета, позволяя банкам повторно использовать проверенную биометрическую информацию для входа или подтверждения транзакций.

Исследование, опубликованное Mitek и Datos Insights в 2026 году, показало, что 84% опрошенных руководителей подразделений по борьбе с мошенничеством считают мошенничество с синтетическими личностями высоким или умеренным риском при подаче заявки. В том же исследовании незалоговые кредитные потери в США, связанные с синтетическими личностями, оценивались примерно в $2.94 billion в 2025 году. Эти результаты подтверждают необходимость перехода от разовых проверок личности к постоянному подтверждению.

Банкам нужны уровни защиты, а не один показатель

Наиболее подходящая платформа для банка зависит от того, где существующая защита наиболее уязвима. Кредитор, которому сложно отличать клиентов с небольшой кредитной историей от сфабрикованных личностей, может отдать приоритет Socure, SentiLink, TransUnion или LexisNexis. Учреждение, работающее со слишком большим числом разрозненных поставщиков, может получить больше преимуществ от модели координации Alloy.

Банки, сталкивающиеся с фермами ботов, скоординированными кластерами счетов или сетями синтетических подставных счетов, могут уделить больше внимания Sardine, Feedzai или BioCatch. Experian и Mitek предлагают сочетания данных об идентичности, анализа документов и усиленной проверки.

Главный вывод заключается в том, что мошенничество с синтетическими личностями нельзя предотвратить, проверяя действительность отдельных фрагментов информации. Настоящий номер Social Security, действительный адрес и убедительное селфи все равно могут принадлежать человеку, созданному группой мошенников.

Банки должны оценивать, имеет ли личность правдоподобную историю, выглядит ли ее цифровое поведение человеческим, существуют ли подозрительные связи между составляющими ее элементами и остается ли активность последовательной после регистрации. ИИ упрощает создание синтетических личностей, но одновременно дает финансовым учреждениям инструменты для объединения этих признаков до того, как фиктивный клиент превратится в реальный убыток.