Subscription Fraud

Betrug in der Telko-Branche

Betrug gibt es seit Menschengedenken in den unterschiedlichsten Formen – und das überall. Doch die Möglichkeiten, die die digitalisierte Welt bietet, öffnen Betrügern ganz neue Türen. In der Telekommunikationsbranche haben Betrüger nun einen neuen, lukrativen Zweig für sich entdeckt.

Mann mit Kapuze und Smartphone

Das Mobiltelefon ist längst mehr als nur ein Endgerät für Kommunikation. Es ist Statussymbol, Accessoire und Alltagsbegleiter. Die Entwicklungszyklen neuer Geräte sind enorm kurz und mit dem Ansatz, immer bessere und prestigeträchtigere Mobiltelefone zu entwickeln, steigen die Preise der Premiummodelle. Die Tatsache, dass Mobiltelefone einen hohen Wert besitzen, aber im Paket mit Postpaid-Verträgen zu einem geringen, oft mehr symbolischen Einstandspreis verfügbar sind, machen sich immer mehr Betrüger zu Nutze.

Subscription Fraud auf dem Vormarsch

Subscription Fraud bezeichnet die Form von Betrug, bei der ein Betrüger entweder seine eigene, eine gestohlene oder eine gefälschte Identität verwendet, um gesponserte Mobilfunkgeräte über Postpaid-Verträge ohne Zahlungsabsicht zu erlangen. Die ergaunerten Endgeräte werden dann auf dem Schwarzmarkt oder auf Plattformen für Privatkäufe angeboten. Das Ergebnis: Schnelles und einfaches Geld für den Betrüger, während der Betrug in der Regel erst Monate später erkannt oder als einfacher Zahlungsausfall ohne Betrugsabsicht bearbeitet wird.

Hinzu kommt, dass Verbraucher online, vor allem in sozialen Netzwerken, recht sorglos mit persönlichen Informationen umgehen, und branchenübergreifend eine lange Serie von Datenschutzverletzungen weitere sensitive Daten in die Hände von Betrügern spielen. Mit diesen Daten sind verschiedenste Betrugsmaschen realisierbar.

Betrug mit vielen Gesichtern

An Treibern mangelt es dem Subscription Fraud also nicht, weshalb er immer stärker als ernstzunehmende Bedrohung wahrgenommen wird. Eine große Problematik stellt die Diversität seiner Ausprägung dar. Der Großteil von Subscription Fraud fällt in den Bereich des First-Party-Betrugs. Dies bedeutet, dass der Betrüger oder ein angeheuerter Handlanger seine eigene Identität und nicht die eines anderen für den Betrug nutzt. Solche Fälle lassen sich mit den üblichen Prüfansätzen nur unzureichend erkennen. Grundsätzlich ist die Herausforderung, einen Betrugsfall von normalem Zahlungsausfall zu unterscheiden. Entsprechend wird die Dunkelziffer der Fälle von Subscription Fraud auch weitaus höher eingestuft, als die erkannten Fälle vermuten lassen.

Anders definiert sich der Third-Party-Betrug. Dabei verschafft sich der Betrüger Zugang zu den Daten einer dritten, unabhängigen Person, um ohne die Zustimmung oder in dessen Unwissenheit einen Mobilfunkvertrag mit einem Smartphone abzuschließen. Wie bereits erwähnt spielt hierbei der sorglose Umgang mit sensitiven Daten und die Flut an Datenschutzverletzungen eine entscheidende Rolle.

Daten mithilfe von KI und ML zur Früherkennung nutzen

Die Betrugsformen sind somit vielschichtig und machen die Bekämpfung deshalb auch so schwierig. Wie lassen sich die Fälle von Subscription Fraud eindämmen? Der wichtigste Schritt ist, von vornherein zu erkennen, ob eine Zahlungsabsicht überhaupt vorhanden ist, bevor ein Vertrag abgeschlossen und das Gerät in Händen des potenziellen Betrügers ist.

Betrüger treten oft als Neukunden auf, sodass es meist wenig Informationen zu der Person im System gibt. Oder die Betrüger denken schon einen Schritt weiter und bauen sich mit langem Atem eine Kundenhistorie auf, indem sie zunächst billige, einfache Produkte kaufen, wie beispielsweise Prepaid-SIM-Karten. In solchen Fällen können intelligente Regelsysteme auf Grundlage der Kundenhistorie oder bei bekannten delinquenten Namen und Adressen Auffälligkeiten melden. Das bietet allerdings keinen Schutz bei Neukunden, gestohlenen oder gefälschten Identitäten. Hier kommen fortschrittliche Analytik und der Einsatz von Künstlicher Intelligenz (KI) und maschinellem Lernen ins Spiel.

KI und Machine Learning können in der Telekommunikation eine große Bandbreite an Erkenntnissen ermöglichen – und Rückschlüsse hinsichtlich der Zahlungsabsicht liefern. Dafür werden KI-Modelle für Subscription Fraud unter Verwendung von verschiedensten relevanten Datenelementen entwickelt und mithilfe von historischen, aufgedeckten Betrugsfällen trainiert. Derartige Lösungen bietet z.B. das Analytics-Software-Unternehmen Fico an, das einen ganzheitlichen Ansatz für das Management eines komplexen Ökosystems der Finanzkriminalität verfolgt. Wichtig ist dabei, dass auch unmittelbare, nicht offensichtliche Verbindungen zwischen Akteuren erkannt und mithilfe eines KI-Modells bewertet werden können; man spricht hier von Link-Analyse und Social Network Analytics (SNA). Wichtige Datenpunkte hierfür können beispielsweise die Verwendung desselben Geräts oder die Angabe derselben Post- oder Mailadresse wie bei vorherigen Betrugsfälle oder angelehnten Anträgen sein. Machine Learning erkennt aus diesen Verbindungen verdächtige Muster und hilft, Betrugsfälle rechtzeitig aufzudecken.

Bildquelle: Getty Images/iStock/Getty Images Plus

©2020Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok