Banken en betaalinstellingen actief tegen betaalfraude, met ruimte voor een gerichtere aanpak

Daarnaast worden bepaalde fraudevormen, zoals bankhelpdeskfraude, in de Nederlandse opsporings‑ en rechtspraakpraktijk regelmatig in verband gebracht met georganiseerde criminaliteit. Bijvoorbeeld met grootschalig witwassen, cybercrime en internationaal opererende criminele netwerken.

Uit cijfers van het CBS en de politie blijkt dat over een langere periode bezien er sprake is van een toename van online slachtofferschap. De combinatie van een aanhoudend hoog slachtofferniveau, veranderende fraudepatronen en de verdere digitalisering van het betalingsverkeer waren voor DNB aanleiding om een onderzoek uit te voeren naar de beheersing van het risico op externe betaalfraude bij een aantal banken, betaal- en elektronischgeldinstellingen, in totaal bij zeven instellingen.

Dit onderzoek richt zich specifiek op situaties waarin een slachtoffer zelf, onbewust of onder valse voorwendselen, opdracht geeft voor de uitvoering van de (naar vaak pas later blijkt) frauduleuze betaling, vaak aangeduid als niet-bancaire fraude. Aangezien deze fraudevormen veel voorkomen en banken de schade hieruit nog niet verplicht zijn te vergoeden, hebben zij de grootste maatschappelijke impact. DNB heeft onderzocht hoe instellingen deze risico’s identificeren, beoordelen en beheersen, en hoe zij de effectiviteit van genomen maatregelen monitoren. In dit nieuwsbericht licht DNB een aantal algemene observaties uit het onderzoek toe, bedoeld om de sector te informeren.

Veranderend speelveld en ketenafhankelijkheid

Instellingen zien zich geconfronteerd met een fraudecontext die snel verandert, bij voorbeeld door de opkomst van kunstmatige intelligentie. Instellingen noemen onder meer de opkomst van synthetische identiteiten en de toenemende behoefte om in fraudedetectie gebruik te maken van meer en diverse databronnen en kenmerken (features), zodat nieuwe en veranderende fraudepatronen sneller kunnen worden herkend. Daarnaast wezen instellingen op het belang van en behoefte aan efficiënte en gestructureerde samenwerking binnen de keten, zoals ook wordt beoogd in publiek-private samenwerkingen zoals de Integrale Aanpak Online Fraude. Standaardisatie van informatieverzoeken en interventies tussen instellingen, kan leiden tot snellere opvolging van fraudesignalen. Dergelijke standaardisatie is in het Verenigd Koninkrijk (VK) verder ontwikkeld en kan hierbij als inspiratie dienen.

Ook noemen veel instellingen dat partijen buiten de financiële sector, zoals social media, telecomproviders en webhosting bedrijven, een belangrijke bijdrage kunnen leveren bij het voorkomen en bestrijden van fraude door middel van informatie-uitwisseling en interventies (een onderwerp dat ook besproken wordt binnen de de Integrale Aanpak Online Fraude). Online oplichting vindt vaak al in een eerdere fase plaats, vóórdat een betaling bij een bank of betaalinstellingen wordt uitgevoerd. Hierdoor kunnen instellingen geregeld pas laat in het proces ingrijpen wanneer een slachtoffer al is beïnvloed en de transactie al (bijna) wordt uitgevoerd. De Nederlandse Vereniging van Banken (NVB) heeft recent richting onder meer grote social mediaplatforms opgeroepen om een grotere rol te nemen. Dit kan bij voorbeeld door nepadvertenties en misleidende accounts sneller aan te pakken. Hoewel DNB het belang van nauwere samenwerking erkent, hebben wij bij dit verkennende onderzoek uitsluitend gekeken naar de rol en werkwijzen van banken en betaalinstellingen die onder ons toezicht vallen. De observaties in dit nieuwsbericht zien daarom vooral op deze instellingen.

Detectie en data: verschillende modelkeuzes, doorontwikkeling vooral via finetuning           

Tijdens het onderzoek ziet DNB verschillende manieren waarop instellingen hun fraudedetectie inrichten en (door)ontwikkelen. Instellingen verschillen in hoe zij business rules en machine learningtoepassingen positioneren en combineren: sommige gebruiken machine learning vooral voor trenddetectie en zetten business rules in voor nieuwe ontwikkelingen, terwijl andere machine learning juist inzetten om nieuwe patronen te herkennen en daardoor snel mee kunnen bewegen met veranderde modus operandi. Deze instellingen gebruiken business rules als vangnet voor fraudevormen die gedurende een langere periode voorkomen.

Ook verschilt de gekozen detectie‑modelarchitectuur: sommige instellingen werken met specialistische niche‑modellen (meerdere modellen voor verschillende risico’s/segmenten), terwijl andere kiezen voor een enkel, meer omvattend model.

Daarbij valt op dat instellingen die eenmaal gekozen hebben voor een bepaalde aanpak, daar vaak aan vasthouden. Tegen de achtergrond van snelle ontwikkelingen op het gebied van data-analyse en kunstmatige intelligentie merkt DNB op dat hierdoor in sommige gevallen slechts beperkte aandacht uitgaat naar het verkennen van nieuwe, alternatieve of aanvullende detectiemethoden. Daarnaast zien we dat instellingen van elkaar verschillen in de mate waarin zij hun gekozen modelstrategieën periodiek heroverwegen en nieuwe toepassingen betrekken bij hun detectieaanpak. Naar het inzicht van DNB kan een periodieke validatie bijdragen aan verdere doorontwikkeling en versterking van detectiemethoden.

Bij een deel van de instellingen ziet DNB een verdere professionalisering in het gebruik van data, bijvoorbeeld door het uitbreiden en verfijnen van de feature‑set en het gebruiken van nieuwe datapunten als frauderisico‑indicator met als doel om patronen sneller te herkennen. Ook valt op dat de fraudedetectiesystemen, soms via informele werkafspraken, beperkt worden door de beschikbare operationele capaciteit om alerts af te handelen. Hierdoor lopen instellingen het risico mogelijk frauduleuze transacties niet te detecteren. Hoewel DNB in dit verkennende onderzoek niet heeft vastgesteld dat instellingen daadwerkelijk signalen missen, merken wij op dat een verdere uitwerking van de risk appetite en sturing hierop bij één instelling positief bijdroeg aan de effectieve inzet van fraudedetectie en operationele capaciteit.

Weigeren van mogelijk frauduleuze transacties en het waarschuwen van klanten

Fraudeurs kunnen zeer overtuigend zijn en proberen slachtoffers er veelal van te overtuigen waarschuwingen van hun bank te negeren. Verschillende banken gaven aan dat het voor bankmedewerkers daardoor lastig is klanten te weerhouden een transactie uit te voeren als zij eenmaal zijn beïnvloed door een fraudeur. Banken gaven aan dat zij in beginsel wettelijk verplicht zijn de transactie uit te voeren, terwijl zij tegelijk een bijzondere zorgplicht tegenover klanten hebben bij een concreet vermoeden van fraude. In het onderzoek zien we bij meerdere banken dat zij mogelijk frauduleuze transacties van klanten weigeren, ook als deze aandringt op het uitvoeren van de transactie. Hoewel dit eerst leidt tot frictie, is de klant enkele dagen later veelal erg blij dat de fraude is voorkomen. Het onderzoek laat hiermee zien dat instellingen verschillend omgaan met de afweging tussen het uitvoeren van een klantopdracht en het voorkomen dat klanten slachtoffer worden van fraude.

Verder zien we dat banken hun klanten op tal van manieren proberen te waarschuwen. Zo worden push-berichten gestuurd bij transacties met een verhoogd frauderisico en communiceren banken hier veelvuldig over in updates en bij grootschalige reclamecampagnes. Banken geven echter aan dat lastig is vast te stellen hoe efficiënt deze maatregelen zijn en DNB herkent dat dit uitdagend is. Bij een instelling viel positief op dat zij kon zien in hoeveel procent van de gevallen een klant afhaakt na een push-bericht en een persoonlijke waarschuwing (gegenereerd met een chat-bot). Andere instellingen zijn nog minder goed in staat de effectiviteit te meten.