
Von Kreditkartenbetrug bis hin zu Shopping-Bots: Betrug im E-Commerce wird immer leichter. Angesichts dieser wachsenden Bedrohung hat Riskified, ein Unternehmen im Bereich Betrugsprävention, eine Analyse durchgeführt, die sowohl die durchschnittlichen Kosten von Cyber-Betrug als auch den finanziellen und zeitlichen Aufwand aufdeckt.
Cyber-Betrug: Invest und Rendite
Durch den einfachen Zugang auf verschiedenen Plattformen ist der Kauf von gestohlenen Kreditkartendaten nicht nur schnell und einfach, sondern darüber hinaus auch kostengünstig. Im Dark Web dauert es beispielsweise nur fünf Minuten und kostet etwa 5 Dollar pro Kreditkarte. Telegram-Kanäle bieten sogar den direkten Zugriff auf gestohlene Anmeldedaten über das Smartphone an. Einige Betrüger-Tools, wie Shopping-Bots und VPN-Dienste, sind auf Abonnementbasis erhältlich.
Bild: Prognostiziertes wöchentliches Einkommen von Cyber-Betrügern bei einer Investition von 90 Minuten Computer-Arbeit und 30.000 Dollar in Zugangsdaten und Tools
Neben dem Ertrag aus gestohlener Ware können Betrüger ihr Einkommen weiter aufbessern, indem sie ihre erfolgreiche Betrugsmethode an andere verkaufen, die diese Masche dann so lange weiter nutzen. Solche Betrugsmethoden sind zwar ein höchst illegales, aber auch profitables Geschäft. Mit einer wöchentlichen Investition von 30.000 Dollar in den Kauf gestohlener Zugangsdaten und Tools und 90 Minuten tatsächlicher Computerarbeit, können Betrüger rund 50.000 Dollar Umsatz erzielen.
Verbreitung und Mainstreaming von Betrug
In den vergangenen Jahren hat die Häufigkeit von Betrug im Online-Handel zugenommen. Ein Grund dafür ist das unsichere Wirtschaftsklima. Ein anderer besteht in de Präsenz, die Cyber-Betrug zunehmend in der öffentlichen Wahrnehmung einnimmt und droht, durch populäre Streaming-Shows verherrlicht zu werden. Es lohnt sich daher für Händler in Betrugspräventions-Modelle zu investieren, die sich schnell an die dynamische Betrugslandschaft anpassen können. Maschinelles Lernen ist das Herzstück solcher Modelle und ermöglicht Echtzeitwarnungen, sobald Anomalien auftreten.
Die Funktion, Händler ohne zeitliche Verzögerung warnen zu können, ist essenziell für eine effiziente Risikomanagementstrategie. Sie ermöglicht, Betrugsmuster auch bei ausgeklügelten und neuartigen Vorgehensweisen zu erkennen, bevor die Händler wirklich zu Schaden kommen. Allein ist maschinelles Lernen jedoch nicht ausreichend, um Betrüger langfristig zu stoppen. Es muss durch menschliches Expertenurteil ergänzt werden. Zusammen bieten menschliche und maschinelle Ansätze eine umfassende Betrugsabwehrstrategie für Einzelhändler.
Erfahren Sie mehr unter Riskified.com.
Fachartikel

Windows 10: Mai-Update führt zu BitLocker-Wiederherstellungsschleife

Advanced NPM Supply-Chain Attack kombiniert Unicode-Steganografie mit Google Kalender als C2-Kanal

Was machen Hacker mit ihrem gestohlenen Geld? Die Antwort überrascht

Dateilose Attacke: PowerShell-Loader schleust Remcos RAT ein

Vorsicht, Bücherwurm! Diese iOS-App plaudert über Ihre Lesegewohnheiten
Studien

Princeton-Forscher warnen vor fatalen KI-Angriffen im Web3-Umfeld

Führungskräfte ohne KI-Wissen? Gartner-Umfrage offenbart Sorgen der CEOs

Schweigen über KI-Erfolge: Was eine neue Ivanti-Studie offenbart

IBM treibt den Einsatz generativer KI in Unternehmen mit hybrider Technologie voran

Weltweite Umfrage: Mehrheit der Technologieverantwortlichen spricht sich für Robotik im Arbeitsumfeld aus
Whitepaper

TeleTrusT legt aktualisiertes Positionspapier „Cyber-Nation“ vor

Sechs entscheidende Tipps für den erfolgreichen Einsatz von cIAM-Lösungen

Wie die Datenverwaltung Wachstum und Compliance fördert

Group-IB präsentiert die zehn gefährlichsten Cybergruppen 2025

Cyberkriminelle nehmen 2025 verstärkt das Gesundheitswesen ins Visier
Hamsterrad-Rebell

Insider – die verdrängte Gefahr

Sicherer SAP-Entwicklungsprozess: Onapsis Control schützt vor Risiken

Das CTEM-Framework navigieren: Warum klassisches Schwachstellenmanagement nicht mehr ausreicht

Cybersicherheit im Mittelstand: Kostenfreie Hilfe für Unternehmen
