Mule Accounts werden genutzt, um Erlöse aus Betrug und anderen Formen der Finanzkriminalität zu verschleiern und weiterzuleiten. Die beteiligten Konten wirken häufig legitim, da echte Kunden, bekannte Geräte und reguläre Banking-Prozesse genutzt werden.
Entscheidend ist daher nicht nur die Bewertung einzelner Logins oder Transaktionen, sondern die Analyse von Verhaltensmustern, Verbindungen und Aktivitäten über einen längeren Zeitraum hinweg. So lassen sich Mule-Strukturen erkennen, bevor Gelder weitergeleitet oder Schäden ausgeweitet werden.
Die Herausforderung
Mule Accounts werden genutzt, um Gelder aus Betrug, Social-Engineering-Angriffen und anderen Formen der Finanzkriminalität zu verschleiern und weiterzuleiten.
Die beteiligten Konten wirken häufig legitim, da echte Kunden, bekannte Geräte und reguläre Banking-Prozesse genutzt werden. Dadurch bleiben viele Mule-Aktivitäten für klassische Transaktions- und Regelwerke zunächst unsichtbar.
Für Banken besteht die Herausforderung darin, Risikosignale zu erkennen, die über einzelne Transaktionen hinausgehen und Verbindungen zwischen Konten, Geräten und Verhaltensmustern sichtbar machen.


Unser Ansatz
Die Erkennung von Mule Accounts erfordert mehr als die Analyse einzelner Transaktionen. BioCatch bewertet Verhaltensmuster über den gesamten Lebenszyklus eines Kontos hinweg und identifiziert Veränderungen, die auf Geldwäscheaktivitäten oder die Einbindung in kriminelle Netzwerke hindeuten können.
Veränderte Kontonutzung, ungewöhnliche Interaktionsmuster, plötzlich aktive Dormant Accounts sowie Auffälligkeiten bei Login- und Passwortprozessen liefern zusätzliche Signale für die Risikobewertung.
Dadurch erhalten Fraud-, AML- und AFC-Teams die Möglichkeit, Mule-Strukturen frühzeitig sichtbar zu machen, Ermittlungen gezielter zu priorisieren und Risiken zu begrenzen, bevor Gelder durch das Netzwerk bewegt werden.
Welche Signale auf Mule-Aktivitäten hindeuten
Veränderungen über den
Lebenszyklus eines Kontos
Abweichungen bei Login-Verhalten, Nutzungshäufigkeit oder Interaktionsmustern können auf einen Wechsel von regulärer Kontonutzung zu risikobehafteten Aktivitäten hindeuten.
Auffälligkeiten bei der Dateneingabe
Veränderte Tippmuster, häufigere Korrekturen oder vermehrte Copy-and-Paste-Aktivitäten können zusätzliche Hinweise liefern, dass sich die Nutzung eines Kontos verändert hat.
Abweichungen vom bisherigen Nutzerprofil
Wenn Kontoverhalten und Interaktionsmuster nicht mehr zum bisherigen Profil passen, kann dies auf eine missbräuchliche Nutzung oder die Einbindung des Kontos in Mule-Strukturen hindeuten.
Synthetische Intelligenz:
Einheitliche Datenerfassung. Kontinuierliche Telemetrie. Verhaltenssequenzierung. Vorausschauende Analyse. Entscheidungsfindung in Echtzeit.
Kein Anbieter hat bisher Verhaltensintelligenz in dem Umfang eingesetzt, den wir als machbar bewiesen haben. Wir analysieren kontinuierlich mehr Nutzersitzungen (16 Milliarden und es werden immer mehr), erfassen mehr Signale (über 3.000), liefern zuverlässigere Erkenntnisse und schützen mehr Kunden im digitalen Bankwesen (mehr als eine halbe Milliarde) als jeder andere Anbieter von verhaltensorientierten Lösungen zur Prävention von digitalem Betrug. Dabei berücksichtigen wir das jeweilige Gerät, die genutzten Anwendungen und die Transaktionsgewohnheiten der Kunden, um zuverlässige und präzise Signale für ein reibungsloses und sicheres Kundenerlebnis zu liefern.
Gemeinsam können wir Betrug und Finanzkriminalität verhindern.
Nehmen Sie gemeinsam mit unseren globalen Beratern und Experten für Betrugsermittlung an einer 30-minütigen detaillierten Analyse der neuesten Taktiken, Techniken und Vorgehensweisen (TTPs) teil, die Betrüger derzeit in Ihrem Land einsetzen, um Ihre Kunden zu betrügen und Ihrem Unternehmen zu schaden.




