Adaptive Deepfake Detector
Sumsub erweitert Deepfake-Erkennung mit adaptivem KI-System zur Betrugsprävention
Mit Adaptive Deepfake Detector gegen digitalen Betrug und Identitätsdiebstahl
KI-generierte Deepfakes entwickeln sich zur größten Bedrohung für digitale Identitäten und Online-Plattformen. Herkömmliche Sicherheitslösungen stoßen dabei zunehmend an ihre Grenzen, weil neue Betrugsmaschen schneller entstehen als klassische Systeme reagieren können. Mit einem adaptiven Deepfake-Detektor setzt Sumsub jetzt auf Echtzeit-Lernen, um KI-gestützten Betrug frühzeitig zu erkennen und Unternehmen besser zu schützen.
Sumsub hat eine neue Generation der Deepfake-Erkennung vorgestellt und reagiert damit auf die wachsende Bedrohung durch KI-gestützten Online-Betrug. Die neue Lösung „Adaptive Deepfake Detector “ soll insbesondere dort ansetzen, wo klassische Offline-Modelle versagen: bei neuartigen und hochdynamischen Betrugsangriffen, die sich innerhalb kürzester Zeit verändern.
Im Zentrum der Technologie steht ein Machine-Learning-basiertes Online-Learning-System, das sich kontinuierlich selbst aktualisiert. Während traditionelle Sicherheitsmodelle oft erst nach Wochen oder Monaten neue Trainingsdaten integrieren, lernt das neue System laut Sumsub nahezu in Echtzeit aus aktuellen Betrugssignalen. Dadurch können neue Deepfake-Varianten oder sogenannte Injection-Methoden deutlich schneller erkannt werden.
Die Herausforderung für Unternehmen wächst rasant. Laut Sumsub stieg der Anteil mehrstufiger Betrugsangriffe im Jahr 2025 um 180 Prozent und machte bereits 28 Prozent aller auf der Plattform registrierten Betrugsfälle aus. Parallel dazu nimmt die Verbreitung KI-generierter Deepfakes seit 2023 kontinuierlich zu — ein Trend, der laut Sicherheitsexperten weiter an Dynamik gewinnt. „Moderne Deepfakes sind mit dem menschlichen Auge kaum noch zu erkennen. Sicherheitsentscheidungen müssen deshalb auf mehreren Echtzeit-Signalen basieren“, erklärt Nikita Marshalkin, Head of Machine Learning bei Sumsub . Das Unternehmen kombiniert dafür verschiedene Sicherheitsmechanismen wie Dokumentenprüfung, Device Intelligence, biometrische Gesichtserkennung sowie Netzwerk-Analysen verdächtiger Nutzeraktivitäten.
Ein zentraler Unterschied zu klassischen Deepfake-Scannern liegt im mehrschichtigen Sicherheitsansatz. Statt nur Bild- oder Videoinhalte zu analysieren, bewertet das System zusätzliche Kontextdaten wie IP-Adressen, Gerätesignale, Geolokation oder biometrische Liveness-Daten. Dadurch sollen auch komplexe Betrugsnetzwerke und koordinierte Angriffe identifiziert werden können.
Besonders relevant wird dieser Ansatz für Banken, Fintechs, Krypto-Plattformen und digitale Services, die zunehmend mit KI-gestützten Identitätsfälschungen konfrontiert werden. Denn Cyberkriminelle nutzen längst nicht mehr nur manipulierte Bilder oder Videos, sondern kombinieren Deepfakes mit automatisierten Angriffsmethoden und Social-Engineering-Techniken.
Technisch basiert die neue Lösung auf einem adaptiven Online-Learning-Modell. Das bedeutet: Die Erkennungsparameter werden bei jeder neuen Beobachtung automatisch angepasst — ohne manuelles Retraining oder feste Update-Zyklen. Laut Sumsub verschiebt das System seine Entscheidungsgrenzen dynamisch, um neue Bedrohungen schneller einzuordnen und die Erkennungsrate kontinuierlich zu verbessern.
Mit dem Adaptive Deepfake Detector verfolgt Sumsub das Ziel, digitale Verifizierungsprozesse resilienter gegen KI-basierte Betrugsangriffe zu machen. Angesichts immer realistischerer Deepfakes könnte adaptive Echtzeit-Erkennung künftig zu einem entscheidenden Faktor in der Cybersecurity-Strategie vieler Unternehmen werden.
