Walka z ogniem za pomocą ognia: rola sztucznej inteligencji w zwalczaniu oszustw związanych z natychmiastowymi płatnościami

Szybka ewolucja i globalne przyjęcie systemów płatności w czasie rzeczywistym oznacza znaczącą zmianę w globalnym ekosystemie finansowym, poprawiając gospodarki i inkluzję finansową… oraz wprowadzając nowe możliwości dla przestępczości. Jednym z niezamierzonych korzyści systemów legacy, które zajmują dni lub tygodnie na przetworzenie transakcji, jest dodatkowy czas dla instytucji finansowych na identyfikację i zapobieganie oszustwom. Transakcje, które są przetwarzane w ciągu kilku sekund, mają ogromnie pozytywny wpływ na wydajność i doświadczenia klientów, ale sama szybkość sprawia, że wykrywanie i reagowanie na oszustwa jest niezwykle trudne, szczególnie w dużym stopniu. Relatywnie nowy charakter płatności natychmiastowych tworzy również dogodne środowisko dla przestępczości, ponieważ oszuści starają się wykorzystać potencjalne luki w cyfrowych transformacjach firm. Te wyzwania wiążą się z wysokimi kosztami: US News & World Report stwierdził, że 65% dorosłych obawia się ataków cybernetycznych, a w Stanach Zjednoczonych straty związane z oszustwami przekroczyły $10 miliardów w zeszłym roku.

Integracja sztucznej inteligencji (AI) w usługach finansowych dodała kolejną warstwę złożoności, zarówno w zakresie umożliwiania sofistykowanych przestępstw finansowych, jak i w umacnianiu obrony przed nimi. Te narzędzia dają oszustom niezwykłą szybkość, precyzję i skalę, co może przytłoczyć tradycyjne środki bezpieczeństwa. W rezultacie, AI-wspomagane przestępstwa finansowe są w fazie wzrostu. W szczególności, oszustwa tożsamości syntetycznej – gdzie oszuści mogą mieszać prawdziwe dane z fałszywymi, aby stworzyć fałszywe profile, które wyglądają na prawdziwe – odnotowały astronomiczny wzrost w ciągu ostatniego roku; według niektórych szacunków, 95% syntetycznych tożsamości nie jest wykrywanych przez instytucje finansowe.

Zrozumienie tych dynamik i strategiczne wdrożenie AI w celu przeciwdziałania AI-wspomaganym przestępstwom jest niezbędne do ochrony globalnego ekosystemu finansowego.

To wszystko zaczyna się od sygnałów

Im bardziej szczegółowe dane antyoszustwowe organizacji, tym lepiej jest przygotowana do szkolenia systemów AI w celu rozpoznania i oznaczenia prób oszustw. Systemy AI potrzebują wglądu, który zapewniają dane, również nazywane sygnałami; gdy są połączone z ramą, która umożliwia dzielenie się tymi sygnałami między równorzędnymi, tym większa zdolność do ochrony rzeczywistych danych. Im więcej danych osobowych ma AI przestępcy, tym bardziej jest w stanie przekonująco przekroczyć sieci bezpieczeństwa. Ograniczanie dostępu przestępców do sygnałów danych jest kluczowym elementem ochrony osób i firm, ale częste naruszenia bezpieczeństwa zalały rynek przestępczy ogromną ilością danych osobowych. Koszt kupna pełnych poświadczeń przeciętnego Amerykanina – numeru ubezpieczenia społecznego, imienia, daty urodzenia itp. – na ciemnej sieci to tylko 8 dolarów.

Lepszym rozwiązaniem jest upewnienie się, że systemy antyoszustwowe AI banków mają dostęp do większej i lepszej ilości sygnałów danych niż przestępcy. W przypadku płatności w czasie rzeczywistym oznacza to, że większe, globalne firmy płatnicze, które działały na rynku przez dziesięciolecia, mają wyraźną przewagę. Złożone organizacje, które przetwarzają miliardy transakcji i biliony dolarów, mają o wiele więcej informacji do dyspozycji, od lat korzystają z AI i są o wiele bardziej zaawansowane pod względem zachowań i wzorców klientów (KYC). Na przykład, behawioralne biometryczne – wzorce pisania, ruchy myszy, dynamika dotyku itp. – mogą pomóc w analizie unikalnego zachowania i oznaczeniu odchyleń. Jako proces ciągłej weryfikacji może dać instytucjom finansowym przewagę nad aktorami przestępczymi. Biorąc pod uwagę ogromną ilość danych globalnych, instytucje finansowe mogą nie tylko zapobiegać próbom oszustw, ale także przewidywać przyszłe oszustwa.

Sieciowe efekty jako ochrona dla banków

Małe i średnie banki są najbardziej narażone na AI-wspomagane przestępstwa finansowe, ponieważ zwykle mają mniej danych niż ich więksi koledzy i mniej zasobów do zainwestowania w bezpieczeństwo. Jednym z rozwiązań jest partnerstwo z globalnymi firmami płatniczymi, uzyskując dostęp do znacznie większych sygnałów i bardziej zaawansowanych AI do walki z przestępczością. Ponieważ leży to w interesie firmy płatniczej, aby zapobiegać jak największej ilości oszustw, nie ma znaczącej różnicy w bezpieczeństwie oferowanym różnym poziomom banków; klienci małych i regionalnych banków są równie chronieni jak ich więksi koledzy.

Inną korzyścią z uczestnictwa w tym dużym ekosystemie jest możliwość, aby banki dowiedziały się więcej o swoich klientach. Więcej i lepszych danych klientów pomaga bankom identyfikować trendy makro wcześniej, a także potencjalnie pomijać luki lub potrzeby klientów. Te informacje pomagają mobilizować je do opracowania potrzebnych produktów i usług. Poza odblokowaniem nowych potencjalnych strumieni dochodu dla banku, lepsze produkty poprawiają satysfakcję klientów i – przy odpowiednich zabezpieczeniach – przyczyniają się do tworzenia bezpieczniejszego ekosystemu finansowego.

Rozprzestrzenianie się płatności w czasie rzeczywistym i jednoczesny wzrost AI-wspomaganych przestępstw finansowych wymagają zmiany paradygmatu w strategiach bezpieczeństwa. Przyszłość bezpieczeństwa finansowego leży w bezproblemowej integracji AI we wszystkie aspekty operacji bezpieczeństwa. Wykorzystując moc AI i sieciowych efektów dużych partnerów płatniczych, instytucje finansowe mogą nie tylko chronić się przed obecnymi zagrożeniami i stratami, ale także przewidywać i łagodzić przyszłe ryzyka. Współpraca między instytucjami finansowymi, organami regulacyjnymi i dostawcami technologii będzie kluczowa w tworzeniu solidnych ram bezpieczeństwa, które mogą nadążyć za ewoluującymi zagrożeniami.