โมเดลและแพลตฟอร์ม AI

วิธีการที่ AI กำลังเพิ่มการฉ้อโกงการชำระเงิน

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Closeup on a shadowy hooded figure, surrounded by floating cash.

การฉ้อโกงการชำระเงินมีอยู่มานานเท่ากับการมีระบบการเงิน Bad actors ได้ค้นหาวิธีการใช้ประโยชน์จากมันเสมอ ในปัจจุบัน AI ได้ให้ความสามารถพิเศษแก่ผู้กระทำผิด ทำให้การโจมตีที่ต้องใช้ความเชี่ยวชาญทางเทคนิคขั้นสูงในอดีตกลายเป็นเรื่องง่ายขึ้น สำหรับธุรกิจหรือบุคคลที่ส่งหรือรับเงิน การเข้าใจว่า AI กำลังเปลี่ยนแปลงภูมิทัศน์การฉ้อโกงอย่างไรจึงกลายเป็นเรื่องสำคัญมากขึ้น

การฉ้อโกงการชำระเงินคืออะไร?

การฉ้อโกงการชำระเงิน หมายถึงการทำธุรกรรมที่ไม่ได้รับอนุญาตหรือผิดกฎหมายเพื่อได้รับผลประโยชน์ทางการเงิน มันครอบคลุมถึงกลยุทธ์ต่างๆ ตั้งแต่การใช้ข้อมูลบัตรเครดิตที่ถูกขโมยในการซื้อสินค้าไปจนถึงการหลอกลวงทางสังคมที่ซับซ้อนซึ่งหลอกให้บุคคลส่งเงินให้กลุ่มกระจอก

แม้ว่าวิธีการเหล่านี้จะ tồn tạiมานานแล้ว แต่เทคโนโลยี AI ได้เพิ่มประสิทธิภาพและทำให้การตรวจจับยากขึ้น ขนาดของปัญหาสะท้อนให้เห็นว่าสิ่งต่างๆ รุนแรงเพียงใด ในความเป็นจริง ข้อมูลในอุตสาหกรรม แสดงให้เห็นว่า 80% ขององค์กรถูกโจมตีหรือพยายามฉ้อโกงการชำระเงินในปี 2023 เพิ่มขึ้น 15% จากปีก่อน

วิธีการที่ AI กำลังทำให้การฉ้อโกงการชำระเงินง่ายขึ้น

AI เป็นตัวขับเคลื่อนหลักของการฉ้อโกงการชำระเงินในปัจจุบัน มันทำให้เกิดความแม่นยำและความสามารถในการปรับขนาดที่ไม่เคยเห็นมาก่อน นำไปสู่การฉ้อโกงที่ซับซ้อนและมากขึ้น

1. Deepfakes และการฉ้อโกงอัตลักษณ์เทียม

หนึ่งในความก้าวหน้าที่น่าตกใจที่สุดในการฉ้อโกงโดยใช้ AI คือการเพิ่มขึ้นของเทคโนโลยี Deepfakes ผู้กระทำผิดสามารถ สร้างวิดีโอและเสียงที่มีลักษณะเหมือนจริงของบุคคลที่แท้จริงเพื่อปลอมตัวเป็นบุคคลสำคัญ การใช้คลิปสื่อที่สร้างขึ้นเทียมเหล่านี้ในกลโกงการฉ้อโกงทางอีเมลที่ซับซ้อน โดยที่พนักงานได้รับวิดีโอหรือเสียงที่ดูเหมือนมาจากผู้นำระดับสูงในการอนุมัติการโอนเงินขนาดใหญ่

การฉ้อโกงอัตลักษณ์เทียมใช้วิธีการที่เกี่ยวข้อง ระบบ AI สามารถสร้างอัตลักษณ์ที่ไม่มีอยู่จริงพร้อมข้อมูล เช่น หมายเลขประกันสังคมที่ถูกต้องคู่กับชื่อและที่อยู่ที่ไม่มีอยู่จริง อัตลักษณ์เทียมเหล่านี้ถูกใช้ในการเปิดบัญชี สร้างประวัติการเงิน และในที่สุดก็ขโมยเงิน เนื่องจากไม่มีบุคคลจริงที่เป็นเหยื่อ การฉ้อโกงเหล่านี้มักจะไม่ถูกตรวจจับเป็นเวลานาน

การปลอมเสียงเพิ่มความซับซ้อนให้กับการโจมตีนี้ด้วย โดยใช้เวลาเพียงไม่กี่วินาทีของเสียงบันทึก AI สามารถจำลองเสียงของใครก็ได้ได้อย่างแม่นยำ ผู้กระทำผิดใช้เทคนิคนี้ในการโทรหาสมาชิกในครอบครัวหรือพนักงานโดยปลอมตัวเป็นบุคคลที่เชื่อถือได้ จากนั้นขอการโอนเงินหรือรายละเอียดบัญชีที่ละเอียดอ่อน

2. การยึดบัญชีโดยอัตโนมัติ

การฉ้อโกงการยึดบัญชีเกิดขึ้นเมื่อผู้กระทำผิดได้รับอนุญาตเข้าถึงบัญชีที่ถูกต้องและใช้เพื่อทำธุรกรรมหรือขโมยข้อมูลส่วนบุคคล AI ได้ทำให้สิ่งนี้ง่ายขึ้นผ่านการโจมตีด้วยการเติมข้อมูลเข้าไป

ในการโจมตีด้วยการเติมข้อมูลเข้าไป โบทรถยนต์จะทดสอบชื่อผู้ใช้และรหัสผ่านจำนวนมากในความเร็วสูง โดยทดสอบข้ามแพลตฟอร์มการธนาคารและแอปการชำระเงิน เมื่อพบการเข้าถึงที่สำเร็จ ผู้โจมตีจะได้รับอนุญาตเข้าถึงโดยไม่ต้องแฮกพาสเวิร์ด

เมื่อเข้าถึงบัญชีแล้ว AI สามารถช่วยในขั้นตอนต่อไปได้ โดยวิเคราะห์ประวัติบัญชีเพื่อทำความเข้าใจรูปแบบการใช้จ่ายปกติ และช่วยให้ผู้กระทำผิดทำธุรกรรมที่เข้ากันได้กับบัญชี ก่อนที่การขโมยจะถูกตรวจพบ

3. การใช้ประโยชน์จากการชำระเงินแบบเรียลไทม์

การขยายตัวของเครือข่ายการชำระเงินแบบเรียลไทม์สร้างโอกาสใหม่ๆ สำหรับการฉ้อโกง เนื่องจากธุรกรรมจะถูกดำเนินการภายในไม่กี่วินาที ช่วงเวลาในการตรวจจับและแทรกแซงจึงแคบมาก ผู้กระทำผิดได้ใช้ประโยชน์จากสิ่งนี้โดยออกแบบการโจมตีที่เคลื่อนย้ายเงินอย่างรวดเร็วผ่านหลายบัญชีก่อนที่จะถูกตรวจจับ

AI ช่วยให้ผู้กระทำผิดสามารถจัดการธุรกรรมเหล่านี้ได้อย่างแม่นยำ โดยการทำให้การไหลเวียนของเงินระหว่างบัญชีในสถาบันต่างๆ เป็นอัตโนมัติ ทำให้การกู้คืนเงินยากขึ้น

4. การฉ้อโกงและการหลอกลวงทางสังคมที่ได้รับการสนับสนุนจาก AI

อีเมลฉ้อโกงแบบดั้งเดิมสามารถตรวจจับได้ง่ายด้วยไวยากรณ์ที่ไม่ดีและภาษาที่น่าสงสัย แต่ AI ที่สร้างข้อความได้เปลี่ยนแปลงสถานการณ์นี้ไปแล้ว โมเดลภาษาขนาดใหญ่สามารถสร้าง ข้อความฉ้อโกงที่เกี่ยวข้องกับบริบทและซับซ้อน ซึ่งปรับให้เหมาะสมกับเป้าหมายเฉพาะตามข้อมูลที่มีอยู่บนแพลตฟอร์มออนไลน์ เช่น สื่อสังคมและโปรไฟล์ธุรกิจ

คำแนะนำสำหรับการระบุและหลีกเลี่ยงการฉ้อโกงการชำระเงินในยุค AI

การป้องกันการฉ้อโกง AI ต้องการการเรียนรู้และการปรับปรุงเทคโนโลยีอย่างต่อเนื่อง

1. ติดตามข้อมูลและอัปเดต

กลยุทธ์การฉ้อโกงเปลี่ยนแปลงอย่างรวดเร็ว การติดตามคำแนะนำจากองค์กร เช่น ศูนย์ร้องเรียนอินเทอร์เน็ตของ FBI ช่วยให้บุคคลและธุรกิจต่างๆ ตระหนักถึงภัยคุกคามที่เกิดขึ้นใหม่ การติดตามแหล่งข่าวและแหล่งข้อมูลอุตสาหกรรมที่เกี่ยวข้องช่วยให้ผู้คนติดตามว่าภูมิทัศน์การโจมตีเปลี่ยนแปลงไปอย่างไร และปรับแนวทางความปลอดภัยให้เหมาะสม

สำหรับสถาบัน การฝึกอบรมพนักงานเป็นสิ่งสำคัญ ข้อผิดพลาดของมนุษย์เป็นหนึ่งในจุดเข้าถึงที่พบบ่อยที่สุดสำหรับการโจมตีทางไซเบอร์ องค์กรควรจัดอบรมพนักงานอย่างสม่ำเสมอเกี่ยวกับการรู้จักการฉ้อโกงและการหลอกลวงทางสังคม การทดสอบการฉ้อโกงแบบจำลองสามารถช่วยให้พนักงานนำความรู้ไปใช้ในสภาพแวดล้อมที่สมจริง

2. ใช้เทคโนโลยีและกรอบงานที่เกี่ยวข้อง

สถาบันการเงินและแบรนด์สามารถต่อต้านการฉ้อโกงโดยใช้เทคโนโลยีเดียวกับที่ผู้กระทำผิดใช้ ระบบตรวจจับการฉ้อโกงที่ใช้ AI วิเคราะห์พฤติกรรมธุรกรรมในแบบเรียลไทม์ ระบุความผิดปกติที่อยู่นอกเหนือรูปแบบปกติและหยุดการชำระเงินที่น่าสงสัยก่อนที่จะเสร็จสิ้น

การยืนยันตัวตนด้วยหลายขั้นตอน (MFA) เป็นอีกวิธีหนึ่งที่เพิ่มพันธะผูกพันอย่างมีนัยสำคัญต่อการเข้าถึงที่ไม่ได้รับอนุญาตในบัญชีทางการเงินและแพลตฟอร์มธุรกิจ มันเกี่ยวข้องกับการยืนยันตัวตนด้วยหลายชั้นเพื่อเข้าถึงบัญชี แม้ว่าข้อมูลเข้าระบบจะถูกขโมย MFA ก็สามารถป้องกันการยึดบัญชีได้

3. ระวังและตรวจสอบเสมอ

การร้องขอที่ไม่คาดคิดสำหรับการโอนเงินหรือการเปลี่ยนทิศทางการชำระเงินควรได้รับการตรวจสอบผ่านช่องทางที่สอง หากอีเมลต้องการการชำระเงินอย่างเร่งด่วน ควรโทรหาพ่อค้าโดยใช้หมายเลขจากบันทึกอย่างเป็นทางการ ไม่ใช่หมายเลขที่รวมอยู่ในข้อความที่น่าสงสัย

นอกจากนี้ ผู้กระทำผิดมักจะพึ่งพาการสร้างความตื่นตระหนกที่หลีกเลี่ยงการคิดอย่างมีวิจารณญาณ มันสำคัญที่จะระมัดระวังต่อยุทธวิธีทางอารมณ์เหล่านี้และตอบสนองด้วยความคิดวิเคราะห์ การร้องขอที่ต้องการการดำเนินการอย่างเร่งด่วนหรืออ้างถึงผลที่ตามมาของความล่าช้าควรได้รับการปฏิบัติด้วยความระมัดระวังอย่างยิ่ง

การสร้างความยืดหยุ่นในระยะยาวต่อการฉ้อโกงการชำระเงินที่ซับซ้อน

ในขณะที่การนำ AI มาใช้ได้นำมาซึ่งนวัตกรรมที่สำคัญในหลายอุตสาหกรรม มันก็สร้างช่องทางให้กับการโจมตีที่เป็นอันตรายมากเช่นกัน ไม่ว่าจะผ่านยุทธวิธีการหลอกลวงทางสังคมที่ปรับให้เหมาะสมหรือการโจมตีการชำระเงินแบบเรียลไทม์ที่รวดเร็ว การตระหนักถึงกลยุทธ์ง่ายๆ ที่จะบรรเทาผลกระทบเหล่านี้สามารถเป็นความแตกต่างระหว่างการกระทำผิดที่

จุดสำคัญที่นี่คือการนำทัศนคติที่积极และติดตามภัยคุกคามที่เกิดขึ้นใหม่และมาตรการป้องกันที่มีประสิทธิภาพ มากกว่าที่จะพึ่งพาแนวทางที่ตอบสนองต่อเหตุการณ์ ความยืดหยุ่นที่แท้จริงเป็นของบุคคลที่อยู่ข้างหน้าเสมอ

Zac Amos เป็นนักเขียนด้านเทคโนโลยีที่มุ่งเน้นไปที่ปัญญาประดิษฐ์ เขายังเป็น Features Editor ที่ ReHack ซึ่งคุณสามารถอ่านงานของเขาเพิ่มเติม