Oscilarの次世代プラットフォームは、数十億ドル規模のAI詐欺ギャップを埋めることを目指す

金融サービス業界は増大する危機に直面しています。人工知能ツールのアクセス性が高まるにつれ、AI技術による詐欺被害は2023年の123億ドルから2027年までに$40 十億ドルに急増すると予測されており、これは驚異的な32％の年平均成長率を示しています。従来の防御策はこの攻撃に対して崩れつつあり、Oscilarのような革新者はデジタルアイデンティティ検証を根本から見直す必要に迫られています。

問題点：レガシーソリューションは追いつけない

従来のデバイスフィンガープリンティングや行動生体認証は、異なる時代に設計されました。今日の詐欺師は、民主化されたAIツールや高度な攻撃フレームワークを駆使して、これら古い手法を体系的に回避できます。脆弱性は小さな欠陥ではなく構造的なものです。従来のシステムは検出ロジックを露呈しており、自動化された攻撃やリバースエンジニアリングの標的になりやすいのです。

金融機関やフィンテック企業は、二つの不可能な選択肢の間に閉じ込められています。より高い詐欺被害を受け入れるか、正当な顧客を遠ざける摩擦の多いセキュリティを導入するかです。現状維持は持続不可能です。

Oscilarの解答：偽造不可能な認知シグネチャー

CEOのNeha Narkhedeの指導のもと—彼女はApache Kafkaを共同開発し、Confluentを10億ドル規模のリアルタイムデータストリーミングの巨人に育て上げた起業家です—Oscilarは根本的に異なるアプローチを開発しました。同社のCognitive Identity Intelligence Platformは、独自のDigital & Behavior Identification技術を活用し、ネットワーク、デバイス、行動の各次元で数千のユニークな信号を分析します。

固定された検出ルールに頼るのではなく、Oscilarのシステムは各ユーザーのインタラクションに対して動的な「認知シグネチャー」を生成します。これらのシグネチャーは、多相コードや実行パスから生まれ、セッションごとに変化するため、システムのパターンは自動化ツールに学習されたり複製されたりすることがほぼ不可能です。このアーキテクチャは、分散インフラストラクチャ上でリアルタイムにこの複雑な信号ネットワークを処理し、1秒あたり10万件以上の取引を処理しながら、新たな詐欺パターンに合わせてMLモデルを継続的に適応させます。

深い専門知識に基づく構築

Chief Product OfficerのSaurabh Bajajは、かつてFortune 500企業、トップクラスの銀行、政府機関、医療機関の詐欺防止イニシアチブを率いてきた経験を持ち、プラットフォームの開発を主導しました。このサイバーセキュリティの厳格さと詐欺防止の深さの組み合わせにより、チームは「セキュリティ第一」と表現するものを創り出しました—つまり、アーキテクチャ自体が詐欺師による検出方法のリバースエンジニアリングを防止します。

その結果、セキュリティとユーザー体験の間の従来のトレードオフは解消されます。正当なユーザーは最小限の摩擦で利用でき、洗練された合成アイデンティティ攻撃や協調詐欺スキームは成功しにくくなります。

核心的な技術革新

このプラットフォームは、いくつかの画期的な機能を導入しています。高度な認知シグネチャー技術は、デバイスやセッションを超えて持続するユニークなデジタルフィンガープリントを作成し、合成アイデンティティの作成をほぼ不可能にします。セキュリティ第一のアーキテクチャは、軍用グレードの保護を採用し、検出手法を敵から隠します。エンドツーエンドのジャーニー保護は、すべての接点で継続的な認証とリアルタイムリスク評価を提供します。システムは、生成AIを活用してリスク戦略を動的に更新し、既存の企業リスクインフラとシームレスに統合されます。

実証済みの実績

早期導入例がその効果を物語っています。Happy MoneyやCurveを含む12以上の主要金融機関がすでにプラットフォームを展開しています。Happy Moneyは30万人以上の会員にサービスを提供しており、システムはローン申請やアカウント管理中に認知シグネチャーを受動的に監視し、正当な申請者に摩擦を加えません。プラットフォームは、従来の防御をすり抜ける高度な合成アイデンティティや詐欺の試みを検知し、金融機関が信頼を維持しつつ、借り手に投入された資本を保護できるようにしています。

この測定可能な詐欺削減とユーザー体験の向上の組み合わせは、Oscilarが従来の詐欺防止技術の中心的な問題を解決したことを示しています。