Fullz

什么是 Fullz？

Fullz 是网络犯罪界使用的一个俚语，用来描述有关个人的一整套个人身份信息（PII）和财务细节。这通常包括受害者的姓名、地址、出生日期、社会安全号码（或等效号码）、电子邮件、电话号码和支付卡详细信息（包括CVV代码）以及银行账户信息等数据。

术语 “fullz” 表示 “完整的数据集” 或 “完整凭据” 表示信息 “完整” 或完整，因此对欺诈者来说特别有价值。

Fullz 通常用于身份盗用、账户接管、贷款欺诈或其他金融诈骗。fullz在暗网市场和论坛上的可用性对个人和企业都构成重大风险。

Fullz 有哪些类型？

最常见的 fullz 软件包类型包括：

• 身份证已满： 包含个人信息，例如个人姓名、出生日期、地址、社会安全号码 (SSN)、护照详细信息、电子邮件地址和电话号码。这些信息可用于冒充受害者并进行各种类型的欺诈。
• CC fullz： 个人的财务详细信息，包括账单地址、银行详细信息和信用卡信息，或例如卡号、CVV 代码、发行日期和到期日。这允许欺诈者进行欺诈性交易。
• 医疗保健 fulz：详细说明一个人的病历和治疗史，通常包含有关个人亲属的信息。欺诈者使用医疗全套设备进行保险欺诈，为受害者从未接受过的治疗或药物提出索赔。

阅读完整版: 指属于死者的数据或因不活动而关闭的账户中被盗的信息

Fullz 是如何运作的？

数据采集

Fullz 通常通过以下方式获得：

• 数据泄露： 黑客渗透到数据库中窃取个人和财务信息。

• 网络钓鱼攻击： 欺诈者欺骗个人提供敏感细节。

• 社会工程： 操纵受害者泄露其个人信息。

• 卡片窃取设备： 在自动柜员机或销售点系统上捕获支付卡数据。

分发

• 一旦被盗，fullz 将被打包并在暗网市场或私人论坛上出售。定价取决于数据的完整性和新鲜度。
• 出租或出租给欺诈者，他们使用它们进行各种诈骗，而无需直接购买。
• 与其他被盗记录相结合，创建更有价值的欺诈包，例如合成身份欺诈套件。=

用例：如何使用 Fullz？

欺诈者在各种类型的网络犯罪中充分利用漏洞，包括：

• 身份盗窃: 使用被盗身份开设信用账户、贷款或提交欺诈性纳税申报表。
• 账户接管: 使用泄露的凭据未经授权访问在线账户（例如银行、电子商务、加密货币平台）。
• 合成身份欺诈: 将真实和虚假的个人详细信息结合起来，创建绕过安全检查的欺诈性身份。
• 信用卡欺诈: 使用被盗的全额付款进行未经授权的交易。
• 贷款欺诈: 欺诈者以受害者的名义申请贷款或信贷额度，从而导致金融负债。
• 就业欺诈： 使用被盗身份获得工作、绕过背景调查或进行税务欺诈。
• 医疗身份盗窃： 利用医疗保健全额获取医疗福利或提交欺诈性保险索赔。

Fullz 对企业有什么影响？

财务损失

• 欺诈性交易： 由于涉及被盗fullz的欺诈行为，企业承担退款和丢失物品的费用。

• 欺诈缓解成本增加： 需要资源来调查事件和加强安全系统。

声誉损害

• 客户信任： 参与导致全额盗窃的数据泄露的企业面临着客户信任的侵蚀。

• 负面宣传： 备受瞩目的欺诈案件可能会损害企业的声誉，影响客户获取和留存。

运营挑战

• 手册评论： 团队花时间验证被标记为潜在欺诈的账户或交易，从而延误了合法流程。

• 监管处罚： 根据GDPR、CCPA或PCI DSS等法规，未能保护客户数据的企业可能会面临罚款。

消费者危害

• 身份盗窃受害者： 个人因以自己的名义进行的欺诈活动而遭受经济和情感伤害。

如何防范 Fullz 欺诈

为了防止与 fullz 相关的欺诈，企业应整合多层安全策略：

合法场景（预防策略）

欺诈检测系统

高级欺诈检测系统利用机器学习 (ML)、人工智能 (AI) 和行为分析来监控交易并举报可疑活动。这些系统的工作原理是：

• 模式识别： 识别不寻常的支出模式、跨不同地点的快速交易或不一致的账户活动，这些都可能表明已全额使用被盗。
• 设备指纹识别: 跟踪独特的设备属性（例如 IP 地址、浏览器设置、硬件配置），以检测欺诈性登录或未经授权的访问。
• 实时监控： 分析交易速度、位置不匹配和支出异常，以阻止潜在的欺诈行为。
• 基于风险的身份验证： 根据用户的行为历史为其分配欺诈风险分数，从而为高风险交易触发额外的安全措施。
  了解有关 全球风险人物。

通过整合这些欺诈检测机制，企业可以减少退款损失，防止未经授权的交易，并在用户数据被利用之前对其进行保护。

KYC 合规性 & 身份验证

了解您的客户（KYC）合规性在防止欺诈者利用被盗的fullz方面起着至关重要的作用。强大的 KYC 验证包括：

• 生物识别认证： 设备指纹、面部识别和语音验证确保只有合法用户才能访问金融账户或开设新账户。
• 文件验证： 基于人工智能的高级验证将政府签发的身份证、护照或水电费账单与实时用户照片进行核对，以确认真实性。
• 活体检测： 防止欺诈者在身份验证期间使用深度伪造、盗取的图像或经过操纵的视频。
• 数据库交叉检查： 将用户提供的信息与政府和金融数据库进行比较，以验证合法性并检测潜在的合成身份。

通过实施多层身份验证，金融机构可以防止欺诈者使用fullz开设虚假账户、申请贷款或从事其他非法活动。

‍客户提醒

如果客户的数据因泄露而遭到泄露，组织必须主动检测并通知客户。其中包括：

‍

• 暗网监控： 扫描暗网市场和网络犯罪论坛以查找泄露的完整数据，并提醒受影响的客户。
• 自动漏洞警报： 如果检测到可疑的登录尝试、未经授权的交易或密码重置请求，则通过短信、电子邮件或推送通知发送实时警报。
• 凭据受损警告： 如果客户的数据出现在违规报告中，鼓励他们更改密码并启用多因素身份验证 (MFA)。
• 防欺诈教育： 为用户提供识别网络钓鱼诈骗、避免社会工程攻击和保护其帐户的资源。

通过尽早通知客户并提供可操作的安全措施，企业可以减少数据泄露的影响，限制财务损失并增强用户的信任。

其他预防措施

1. 多因素身份验证 (MFA)
   通过要求额外的安全层（例如生物识别、短信验证或安全密钥）来保护用户帐户。
2. 加密和安全存储
   企业应加密敏感的客户数据，以防止在发生泄露时发生大规模的fullz泄漏。
3. 暗网情报
   组织必须积极扫描暗网市场，以检测其客户数据是否已泄露。

通过结合这些主动的欺诈预防策略，各组织可以加强对fullz相关欺诈的防御，并确保加强对消费者的保护。

了解有关 人工智能驱动的欺诈检测工具 用于实时预防。