एआई स्कैम और फ्रॉड में स्कैमर्स का एआई का उपयोग कैसे करते हैं

एआई ने फ्रॉडस्टर्स को एंटी-स्पूफिंग चेक्स और वॉइस वेरिफिकेशन को बायपास करने में सक्षम बनाया है, जिससे वे नकली पहचान और वित्तीय दस्तावेजों का उत्पादन करने में सक्षम हो गए हैं। उनके तरीके जेनरेटिव तकनीक के विकास के साथ और अधिक आविष्कारशील हो गए हैं। उपभोक्ता खुद को कैसे सुरक्षित रख सकते हैं, और वित्तीय संस्थान इन एआई से संबंधित धोखाधड़ी से बचाव के लिए क्या कर सकते हैं?

1. डीपफेक्स इम्पोस्टर स्कैम को बढ़ावा देते हैं

एआई ने सबसे बड़े सफल इम्पोस्टर स्कैम को संभव बनाया। 2024 में, यूनाइटेड किंगडम स्थित अरूप – एक इंजीनियरिंग परामर्श कंपनी – 25 मिलियन डॉलर के आसपास खो दिया जब फ्रॉडस्टर्स ने एक कर्मचारी को लाइव वीडियो कॉन्फ्रेंस के दौरान फंड ट्रांसफर करने के लिए धोखा दिया। उन्होंने डिजिटल रूप से वास्तविक वरिष्ठ प्रबंधन नेताओं को क्लोन किया, जिनमें मुख्य वित्तीय अधिकारी भी शामिल थे।

डीपफेक्स जेनरेटर और डिस्क्रिमिनेटर एल्गोरिदम का उपयोग करके एक डिजिटल डुप्लिकेट बनाते हैं और वास्तविकता का मूल्यांकन करते हैं, जिससे वे किसी की चेहरे की विशेषताओं और आवाज की नकल करने में सक्षम होते हैं। एआई के साथ, अपराधी एक मिनट के ऑडियो और एक फोटो का उपयोग करके बना सकते हैं। चूंकि ये कृत्रिम छवियां, ऑडियो क्लिप या वीडियो पूर्व-रिकॉर्डेड या लाइव हो सकते हैं, वे कहीं भी दिखाई दे सकते हैं।

2. जेनरेटिव मॉडल नकली धोखाधड़ी की चेतावनी भेजते हैं

एक जेनरेटिव मॉडल एक ही समय में हजारों नकली धोखाधड़ी की चेतावनी भेज सकता है। किसी को एक उपभोक्ता इलेक्ट्रॉनिक्स वेबसाइट में हैक करने की कल्पना करें। जैसे ही बड़े ऑर्डर आते हैं, उनका एआई ग्राहकों को कॉल करता है, कहता है कि बैंक ने लेनदेन को धोखाधड़ी के रूप में चिह्नित किया है। यह उनके खाता संख्या और सुरक्षा प्रश्नों के उत्तर मांगता है, कहता है कि यह उनकी पहचान की पुष्टि करने के लिए है।

आवश्यक कॉल और धोखाधड़ी का आरोप ग्राहकों को अपने बैंकिंग और व्यक्तिगत जानकारी देने के लिए राजी कर सकता है। चूंकि एआई सेकंड में विशाल डेटा का विश्लेषण कर सकता है, यह वास्तविक तथ्यों को संदर्भित कर सकता है ताकि कॉल को अधिक आश्वस्त बनाया जा सके।

3. एआई वैयक्तिकरण खाता अधिग्रहण को सुविधाजनक बनाता है

एक साइबर अपराधी पासवर्ड का अनुमान लगाकर अपना रास्ता बना सकता है, लेकिन वे अक्सर चोरी किए गए लॉगिन क्रेडेंशियल का उपयोग करते हैं। वे तुरंत पासवर्ड, बैकअप ईमेल और मल्टीफैक्टर प्रमाणीकरण संख्या को बदल देते हैं ताकि वास्तविक खाता धारक उन्हें बाहर निकाल न सके। साइबर सुरक्षा पेशेवर इन रणनीतियों के खिलाफ बचाव कर सकते हैं क्योंकि वे प्लेबुक को समझते हैं। एआई अज्ञात परिवर्तनीयों को पेश करता है, जो उनकी रक्षा को कमजोर करता है।

वैयक्तिकरण एक स्कैमर के लिए सबसे खतरनाक हथियार है। वे अक्सर लोगों को चोटी के यातायात अवधि के दौरान लक्षित करते हैं जब कई लेनदेन होते हैं – जैसे कि ब्लैक फ्राइडे – यह धोखाधड़ी के लिए निगरानी करना मुश्किल बनाने के लिए। एक एल्गोरिदम एक व्यक्ति की दिनचर्या, शॉपिंग आदतों या संदेश वरीयताओं के आधार पर भेजने के समय को अनुकूलित कर सकता है, जिससे वे अधिक जुड़ाव की संभावना रखते हैं।

उन्नत भाषा पीढ़ी और तेजी से प्रसंस्करण बड़े पैमाने पर ईमेल पीढ़ी, डोमेन स्पूफिंग और सामग्री वैयक्तिकरण को सक्षम बनाते हैं। भले ही बुरे अभिनेता 10 गुना अधिक संदेश भेजते हैं, प्रत्येक एक वास्तविक, आश्वस्त और प्रासंगिक दिखाई देगा।

4. जेनरेटिव एआई नकली वेबसाइट स्कैम को नया रूप देता है

जेनरेटिव तकनीक वायरफ्रेम डिजाइन करने से लेकर सामग्री को व्यवस्थित करने तक सब कुछ कर सकती है। एक स्कैमर कुछ पैसे देकर एक नकली नो-कोड निवेश, उधार या बैंकिंग वेबसाइट बना और संपादित कर सकता है।

एक पारंपरिक फ़िशिंग पेज के विपरीत, यह लगभग वास्तविक समय में अपडेट हो सकता है और इंटरैक्शन का जवाब दे सकता है। उदाहरण के लिए, यदि कोई सूचीबद्ध फोन नंबर पर कॉल करता है या लाइव चैट सुविधा का उपयोग करता है, तो उन्हें एक मॉडल से जोड़ा जा सकता है जिसे वित्तीय सलाहकार या बैंक कर्मचारी की तरह प्रशिक्षित किया गया है।

एक ऐसे मामले में, स्कैमर्स ने एक्सांटे प्लेटफ़ॉर्म को क्लोन किया। वैश्विक फिनटेक कंपनी उपयोगकर्ताओं को दर्जनों बाजारों में 1 मिलियन से अधिक वित्तीय उपकरणों तक पहुंच प्रदान करती है, इसलिए पीड़ितों को लगता था कि वे वैध रूप से निवेश कर रहे हैं। हालांकि, वे अनजाने में एक जेपी मॉर्गन चेस खाते में फंड जमा कर रहे थे।

एक्सांटे की अनुपालन प्रमुख नतालिया टाफ्ट ने कहा कि कंपनी ने “काफी” समान स्कैम पाया, जिससे सुझाव मिला कि पहला मामला अलग नहीं था। टाफ्ट ने कहा कि स्कैमर्स ने वेबसाइट इंटरफ़ेस को क्लोन करने का उत्कृष्ट काम किया। उन्होंने कहा कि एआई टूल्स ने इसे बनाया होगा क्योंकि यह एक “स्पीड गेम” है, और उन्हें “जितना संभव हो उतने पीड़ितों को मारना” होगा trước उन्हें नीचे ले जाने से।

5. एल्गोरिदम लाइवनेस डिटेक्शन टूल्स को बायपास करते हैं

लाइवनेस डिटेक्शन वास्तविक समय में बायोमेट्रिक्स का उपयोग करके निर्धारित करता है कि कैमरे के सामने व्यक्ति वास्तविक है और खाता धारक की आईडी से मेल खाता है। सिद्धांत रूप में, प्रमाणीकरण को बायपास करना अधिक चुनौतीपूर्ण हो जाता है, जिससे लोग पुरानी तस्वीरों या वीडियो का उपयोग करने से रोकता है। हालांकि, यह एआई-संचालित डीपफेक्स के कारण पहले के रूप में प्रभावी नहीं है।

साइबर अपराधी इस तकनीक का उपयोग वास्तविक लोगों की नकल करने के लिए कर सकते हैं ताकि खाता अधिग्रहण में तेजी लाई जा सके। वैकल्पिक रूप से, वे एक नकली व्यक्ति को सत्यापित करने के लिए टूल को धोखा दे सकते हैं, जिससे पैसे की धोखाधड़ी में सुविधा होती है।

स्कैमर्स को इसके लिए एक मॉडल को प्रशिक्षित करने की आवश्यकता नहीं है – वे एक प्रीट्रेंड वर्जन के लिए भुगतान कर सकते हैं। एक सॉफ्टवेयर समाधान दावा करता है कि यह फिनटेक कंपनियों द्वारा उपयोग किए जाने वाले प्रमुख लाइवनेस डिटेक्शन टूल्स में से पांच को एक बार के $2,000 के भुगतान के लिए बायपास कर सकता है। टेलीग्राम जैसे प्लेटफॉर्म पर ऐसे टूल्स के विज्ञापन बहुत आम हैं, जो आधुनिक बैंकिंग धोखाधड़ी की आसानी को प्रदर्शित करते हैं।

6. एआई पहचान नए खाता धोखाधड़ी को सक्षम बनाती है

फ्रॉडस्टर्स जेनरेटिव तकनीक का उपयोग करके किसी व्यक्ति की पहचान चोरी कर सकते हैं। डार्क वेब पर, कई स्थानों पर नकली राज्य जारी किए गए दस्तावेज जैसे पासपोर्ट और ड्राइविंग लाइसेंस प्रदान किए जाते हैं। इसके अलावा, वे नकली सेल्फी और वित्तीय रिकॉर्ड प्रदान करते हैं।

एक सिंथेटिक पहचान एक कृत्रिम व्यक्ति है जो वास्तविक और नकली विवरण को मिलाकर बनाया गया है। उदाहरण के लिए, सोशल सिक्योरिटी नंबर वास्तविक हो सकता है, लेकिन नाम और पता नहीं हैं। इसके परिणामस्वरूप, वे पारंपरिक उपकरणों के साथ पता लगाने में मुश्किल हैं। 2021 आइडेंटिटी और फ्रॉड ट्रेंड रिपोर्ट में दिखाया गया है कि लगभग 33% झूठे सकारात्मक इक्विफैक्स देखता है जो सिंथेटिक पहचान हैं।

उदार बजट और उच्च महत्वाकांक्षाओं वाले पेशेवर स्कैमर्स जेनरेटिव टूल्स के साथ नई पहचान बनाते हैं। वे व्यक्ति को विकसित करते हैं, एक वित्तीय और क्रेडिट इतिहास स्थापित करते हैं। ये वैध कार्रवाइयां जानने वाले ग्राहक सॉफ्टवेयर को धोखा देती हैं, जिससे वे पता लगाने से बचते हैं। अंततः, वे अपने क्रेडिट को अधिकतम करते हैं और शुद्ध लाभ के साथ गायब हो जाते हैं।

हालांकि यह प्रक्रिया अधिक जटिल है, यह निष्क्रिय रूप से होता है। धोखाधड़ी तकनीकों पर प्रशिक्षित उन्नत एल्गोरिदम वास्तविक समय में प्रतिक्रिया कर सकते हैं। वे जानते हैं कि कब खरीदारी करनी है, कब क्रेडिट कार्ड ऋण चुकाना है या कब लोन लेना है, जैसे कि एक मानव, जिससे वे पता लगाने से बचते हैं।

इन एआई स्कैम्स के खिलाफ बचाव के लिए बैंक क्या कर सकते हैं

उपभोक्ता जटिल पासवर्ड बनाकर और व्यक्तिगत या खाता जानकारी साझा करते समय सावधानी बरतकर खुद को सुरक्षित रख सकते हैं। बैंकों को खातों की सुरक्षा और प्रबंधन के लिए जिम्मेदार होने के नाते, उन्हें एआई से संबंधित धोखाधड़ी से बचाव के लिए और अधिक करना चाहिए।

1. मल्टीफैक्टर प्रमाणीकरण टूल्स का उपयोग करें

चूंकि डीपफेक्स ने बायोमेट्रिक सुरक्षा को खतरे में डाल दिया है, बैंकों को मल्टीफैक्टर प्रमाणीकरण पर भरोसा करना चाहिए। भले ही एक स्कैमर किसी के लॉगिन क्रेडेंशियल चोरी करने में सफल हो जाए, वे अभी भी पहुंच प्राप्त नहीं कर सकते हैं।

वित्तीय संस्थानों को ग्राहकों को यह नहीं बताना चाहिए कि वे अपने एमएफए कोड साझा न करें। एआई सुरक्षित एक-बार के पासकोड को बायपास करने के लिए एक शक्तिशाली उपकरण है, लेकिन यह विश्वसनीय रूप से नहीं कर सकता है। फ़िशिंग एकमात्र तरीका है जिससे यह ऐसा करने का प्रयास कर सकता है।

2. जानने वाले ग्राहक मानकों में सुधार करें

केवाईसी एक वित्तीय सेवा मानक है जिसके लिए बैंकों को ग्राहकों की पहचान, जोखिम प्रोफाइल और वित्तीय रिकॉर्ड की पुष्टि करने की आवश्यकता होती है। जबकि कानूनी ग्रे क्षेत्रों में संचालित सेवा प्रदाता तकनीकी रूप से केवाईसी के अधीन नहीं हैं – डेफी पर नए नियम 2027 तक लागू नहीं होंगे – यह एक उद्योगव्यापी सर्वोत्तम अभ्यास है।

वर्षों लंबे, वैध, सावधानीपूर्वक विकसित लेनदेन इतिहास वाली सिंथेटिक पहचान आश्वस्त हैं, लेकिन त्रुटि-प्रवण हैं। उदाहरण के लिए, सरल प्रॉम्प्ट इंजीनियरिंग एक जेनरेटिव मॉडल को उसकी सच्ची प्रकृति का खुलासा करने के लिए मजबूर कर सकती है। बैंकों को इन तकनीकों को अपनी रणनीतियों में एकीकृत करना चाहिए।

3. उन्नत व्यवहार विश्लेषण का उपयोग करें

एआई के साथ लड़ने में एक सर्वोत्तम अभ्यास आग के साथ आग से लड़ना है। मशीन लर्निंग सिस्टम द्वारा संचालित व्यवहार विश्लेषण बड़ी मात्रा में डेटा एकत्र कर सकता है और दस हजार लोगों पर एक साथ नज़र रख सकता है। यह माउस आंदोलन से लेकर टाइमस्टैम्प्ड एक्सेस लॉग तक सब कुछ ट्रैक कर सकता है। एक अचानक परिवर्तन खाता अधिग्रहण को इंगित करता है।

उन्नत मॉडल वास्तविक ऐतिहासिक डेटा के साथ किसी व्यक्ति की खरीदारी या क्रेडिट आदतों की नकल कर सकते हैं, लेकिन वे स्क्रॉल गति, स्वाइप पैटर्न या माउस आंदोलनों की नकल करने के लिए नहीं जानते हैं, जिससे बैंकों को एक सूक्ष्म लाभ मिलता है।

4. व्यापक जोखिम मूल्यांकन करें

बैंकों को नए खाता धोखाधड़ी को रोकने और पैसे की धोखाधड़ी से संसाधनों को इनकार करने के लिए खाता निर्माण के दौरान जोखिम मूल्यांकन करना चाहिए। वे नाम, पते और एसएसएन में विसंगतियों की तलाश करना शुरू कर सकते हैं।

हालांकि सिंथेटिक पहचान आश्वस्त हैं, वे निर्दोष नहीं हैं। सार्वजनिक रिकॉर्ड और सोशल मीडिया की एक विस्तृत खोज से पता चलेगा कि वे हाल ही में अस्तित्व में आए हैं। एक पेशेवर को पर्याप्त समय दिया जाए तो उन्हें हटाया जा सकता है, जिससे पैसे की धोखाधड़ी और वित्तीय धोखाधड़ी को रोका जा सकता है।

एक अस्थायी रोक या सत्यापन के लिए स्थानांतरण सीमा बुरे अभिनेताओं को बड़े पैमाने पर खाते बनाने और डंप करने से रोक सकती है। जबकि वास्तविक उपयोगकर्ताओं के लिए प्रक्रिया को कम直觀 बनाने से घर्षण हो सकता है, यह उपभोक्ताओं को लंबे समय में हजारों या甚至 दस हजार डॉलर की बचत कर सकता है।

एआई स्कैम और धोखाधड़ी से ग्राहकों की रक्षा करना

एआई बैंकों और फिनटेक कंपनियों के लिए एक गंभीर समस्या है क्योंकि बुरे अभिनेताओं को परिष्कृत स्कैम करने के लिए विशेषज्ञ होने या बहुत तकनीकी रूप से साक्षर होने की आवश्यकता नहीं है। इसके अलावा, उन्हें एक विशेष मॉडल बनाने की आवश्यकता नहीं है। इसके बजाय, वे एक सामान्य-उद्देश्य संस्करण को जेलब्रेक कर सकते हैं। चूंकि ये उपकरण इतने सुलभ हैं, बैंकों को सक्रिय और दिलचस्प होना चाहिए।