Protect Your Customers Against Identity Fraud
Télécharger les ressourcesÀ propos de cette session
Keith Lax, responsable de l'ingénierie avant-vente chez ForgeRock, explique comment l'intelligence artificielle sert à contrer la fraude en gestion des identités. Il distingue deux volets : l'analyse de très grands ensembles de données, par exemple des campagnes de certification en gouvernance, et la comparaison du comportement des utilisateurs par groupes de pairs, dont les signaux alimentent les décisions d'accès, comme l'authentification renforcée ou la réévaluation continue en zero trust. Selon lui, la plupart des projets de lutte contre la fraude achoppent moins sur les algorithmes de détection que sur la couche d'orchestration, celle qui transforme un score de risque en décision applicative sans reconstruire chaque application cliente. Exemples concrets d'attaques : bourrage d'identifiants, courriels d'hameçonnage générés par IA et synchronisés avec l'anxiété des fusions-acquisitions, robots qui imitent la frappe et les mouvements de souris humains, tous contrés par une détection elle aussi propulsée par l'IA, y compris pour repérer un texte d'hameçonnage rédigé par une IA. Il présente un canevas d'orchestration permettant d'ajuster quels signaux sont vérifiés et à quel moment, puis termine sur des tableaux de bord qui servent à justifier une décision et le rendement du programme. La période de questions est proposée mais n'apparaît pas dans l'enregistrement.
À retenir
- Investir dans la couche d'orchestration, pas seulement le modèle d'IA : un score de risque ne sert à rien tant qu'on ne peut pas changer ce qu'une application en fait sans nouveau cycle de déploiement.
- Utiliser l'IA pour détecter l'IA : les mêmes techniques de reconnaissance de motifs employées par les attaquants pour rédiger des courriels d'hameçonnage convaincants permettent aussi de les repérer.
- Surveiller les campagnes de fraude calées sur de grands événements comme les fusions, où les cibles sont plus anxieuses et remettent moins en question une demande inhabituelle.
- Construire des comparaisons par groupes de pairs (UBBA) pour juger le comportement d'un utilisateur par rapport à des personnes vraiment similaires, pas une référence statique unique.
- Consigner et illustrer dans un tableau de bord pourquoi chaque décision de blocage ou d'authentification renforcée a été déclenchée; c'est l'outil qui démontre le rendement du programme.
Conférenciers

A pre-sales solutions architect covering Government, Financial, and Enterprise verticals for Eastern Canada at ForgeRock.
