什么是合成身份网络诈骗？合成身份类型”支付诈骗。本白皮书遵循美联储关于定义和检测此类支付欺诈的两份白皮书。创建合成身份的方法，主要是将真实信息（例如社会安全号码）与虚假信息（姓名、出生日期和地址）结合起来。这允许犯罪者创建一个新帐户并保持良好信誉。美联储解释说，这种方法让犯罪分子有充足的时间来建立身份和信用记录。这将使他在“破产”之前有足够的借贷或消费能力。“与传统的身份诈骗相比，在使用合成身份账户进行诈骗时，作案者会伪装成更像普通客户，因为他们会预先积累一定的信用值。”美联储表示。合成身份支付诈骗是美国近年来增长最快的金融犯罪类型，让很多信贷业务付出了惨重代价。AuriemmaGroup的一项分析表明，合成身份欺诈可能与多达5%的所有已注销信用卡账户有关。美国贷方在2016年损失了60亿美元，平均每个账户有15,000美元的债务，占2016年信贷损失的20%。IDAnalytics的研究估计，传统的反欺诈模型只能有效检测5%到15%合成身份。传统欺诈检测模型检测合成身份的成功率低，使得欺诈者更加猖獗。然而，没有任何一个行业或组织可以单独解决这个问题，因为合成身份欺诈的影响将席卷美国金融体系、医疗保健行业以及汽车和保险等私营行业。对此，波士顿联邦储备银行高级副总裁兼安全支付战略负责人吉姆·库尼亚认为，如果组织采用分级识别，结合大数据分析，很可能成功识别此类合成身份。此外，所有支付行业之间的信息共享也是一个可行的选择。如何防范合成身份支付诈骗？采用人工和自动两种数据分析方法，对身份进行分级识别。将基本的个人信息（例如姓名、SSN、出生日期和地址）与其他数据源相结合，以确认申请人的身份。使用“强关联”分析流程，包括检查借方账户、支票账户和其他金融工具。筛选来自同一IP地址或设备的多帐户申请，并检测似乎是跨多个帐户的授权用户的身份。跨银行用户服务提供商的综合身份链接分析。建议金融机构跨产品线共享信息，以揭露合成身份欺诈者的身份。犯罪分子通常在同一组织开设多个账户：信用卡、直接存款账户、信用额度、汽车贷款或抵押贷款等。总结总之，整合各类信息，加强甄别，是有效避免合成身份诈骗的有效途径。而这些方法不仅应该包括技术创新，还应该包括足够的数据信息——这涉及到私人公司和政府机构之间的一些谈判问题。
