Ваш стек шахрайства був побудований для людських противників

Протягом останніх 30 років CAPTCHA виконувала одну задачу: змусити машину провалити тест, який людина проходить без роздумів. Ця задача завершилася. Дослідники, тестуючи автоматичні розв’язувачі проти зображень reCAPTCHA v2 від Google, повідомили про 100% успішність, що зросло з приблизно 68% до 71% у попередніх дослідженнях, і не виявили суттєвої різниці між кількістю викликів, які потрібні боту, і кількістю, яку проходить людина.

Якщо розглядати CAPTCHA як заміну цілій категорії контролю, заснованій на тому, що певні завдання є тривіальними для людини і складними для машини, і тому їх проходження доводить, що ви людина — настав час переглянути параметри контролю. AI‑агенти тихо знищили цю основу у розпізнаванні зображень, заповненні форм і багатокроковій навігації, і більшість команд ризику ще не перебудували свої стеки у відповідь.

Налаштовано проти неправильного ворога

Кожне правило у зрілому стеку шахрайства було налаштовано проти конкретного противника, будь то людина, що видає себе за іншу людину, або бот‑ферма, що імітує багато людей одночасно. Перевірки швидкості виявляють когось, хто відкриває облікові записи швидше, ніж це можливо для людини. Правила повторного використання пристроїв ловлять того, хто рециклює обладнання між ідентичностями. Обидва підходи будувалися навколо людських обмежень: фізичного часу, потрібного для заповнення форми, і практичної вартості придбання нових пристроїв.

Ті ж обмеження не стримують AI‑агента, як людей. Він може заповнити форму за час, за який людина лише читає перше поле, і його можна забезпечити, використати один раз і викинути майже без вартості. Автоматизований трафік тепер становить понад 53% усього веб‑трафіку, порівняно з 51% рік тому, тоді як людська активність знизилася до 47% і продовжує падати. Понад чверть бот‑атак (27%) зараз спрямовані безпосередньо на API, обходячи інтерфейс користувача і працюючи зі швидкістю машини, а фінансові сервіси самі по собі поглинули 24% усіх бот‑атак і 46% інцидентів захоплення облікових записів у 2025 році. Правила, побудовані навколо людського темпу, ніколи не зможуть спіймати клас трафіку, який не має жодного темпу.

Де проявляються тріщини

Початкова інстинктивна реакція галузі полягала у боротьбі з AI за допомогою ще більшого AI, розглядаючи чорний ящик як срібну кулю проти чорного ящика противника. Така інстинктивна реакція лише погіршує проблему. Модель шахрайства, яка не може пояснити власне рішення, майже неможливо захистити перед регулятором, клієнтом чи внутрішнім аудитором, коли це рішення піддається виклику, і непрозора модель, навченa для виявлення непрозорої загрози, лише поглиблює непрозорість, а не вирішує її. Захищуваність тут не просто філософська приємність; це також можливість продемонструвати управління моделлю: який саме модель активна, що змінилося порівняно з попередньою версією, на яких даних модель навчалась, хто затвердив зміни і чому. Система, створена для автоматичного оновлення самої AI‑моделі, ніколи не була спроектована для створення такої документальної слідувальності.

Інша захисна стратегія, необхідна для розрізнення добрих і зловмисних, — це багатошарова інтелектуальність: глибина сигналу у достатній кількості незалежних вимірів, щоб підроблена особа, викрадений обліковий запис або «гроно грошей» залишилися без місць для схованки. Кожен додатковий вимір — окрема можливість виявити невідповідність, спільну інфраструктуру шахрайства або поведінку, що не відповідає зареєстрованій особі. Жоден окремий сигнал не повинен нести всю вагу рішення. Чим ширший контекст, тим більш ізольована, неоднозначна підказка стає тим, що команда шахрайства може реально підтримати. 

Той самий принцип діє, незалежно від того, чи рішення приймає людина, чи модель. AI‑рисковий двигун не розумніший за дані, які йому подають. Якщо прибрати половину вимірів, ви отримаєте систему, що робить висновки з повною впевненістю, базуючись лише на половині картини, і це так само вірно для моделі машинного навчання, що оцінює транзакцію за мілісекунди, як і для аналітика, що працює над справою вручну. Чим більше це рішення переходить до агентних систем, що приймають рішення без будь‑якої людини в циклі, тим більш правдиво воно стає, а не менш. Глибина контексту — це не лише спосіб спіймати агента, що здійснює шахрайство. Це передумова довіри до рішення агента щодо будь‑якої справи.

Подайте цей контекст у модель, чия логіка залишається зрозумілою, а не в один чорний ящик, що вгадує намір лише за одним сигналом, і рішення перестає бути лише точним. Воно стає захищуваним. Ця різниця важливіша проти AI‑агентів, ніж проти людських шахрайських груп, бо агент залишає інший тип сліду. Він не нервує, не вагається і не робить маленьких помилок, які були створені для виявлення біометричних поведінкових даних. Натомість він залишає слід; у віці використаних облікових даних і послідовності історії пристрою, яка або простягається, або не простягається далі транзакції перед вами. Він тихо запускає інструмент віддаленого доступу у фоні, поки чужі облікові дані витрачаються. Для цього не потрібно розпізнавати обличчя. Потрібно лише вміння прочитати повні дані сесії проти широкого набору сигналів.

Людська підказка, якої вже немає

Ніде переоцінка не є більш терміновою, ніж у верифікації особистості, де команди шахрайства створили цілу дисципліну, орієнтовану на виявлення людських підказок, таких як незвичний ритм моргання, невідповідна синхронізація губ або текстурний артефакт на фото. Інструменти deepfake закрили більшість цих прогалин, і злочинцям більше не потрібно створювати такі інструменти самостійно.

Глобальна оцінка фінансових шахрайських загроз Інтерполу, опублікована у березні, виявила, що фінансове шахрайство висмоктувало понад 442 мільярди доларів зі світової економіки у 2025 році, а шахрайство, підсилене AI, стало приблизно в 4,5 рази прибутковішим, ніж традиційні методи. У звіті ідентифіковано операції «deepfake‑as‑a‑service» на темних веб‑ринках, що продають набори синтетичних ідентичностей, включаючи AI‑згенеровані відео‑аватари, голосові клонування та біометричні дані, які дозволяють зловмиснику створити переконливий цифровий клон лише з 10‑секундного аудіо, отриманого з публікації у соцмережі.

Надійним сигналом ніколи не був документ посвідчення особи. Це безперервність: цифрове минуле реальної особи накопичується протягом років звичайної активності облікових записів і поведінкових шаблонів, такої історії немає у синтетичної ідентичності чи агента, що її представляє. Система, яка шукає лише підроблений документ, буде постійно зазнавати невдач. Система, що шукає відсутню історію, має складніший об’єкт для підробки.

Переналаштування проти іншого противника

Ні одне з цього не є аргументом до паніки, і це не означає, що людське шахрайство зникло. Воно не зникло. Це аргумент, що стек, налаштований виключно на людські обмеження, темп і підказки, має структурну «сліпу» саме там, де діють AI‑агенти, і ця «сліпа» не закриється сама по собі. Будь‑яка з цих перевірок, протестована окремо, може залишитися чистою. Лише коли ці перевірки розглядаються разом, у достатній кількості незалежних вимірів, стає видимим шаблон, який окрема перевірка була створена пропустити.

AI‑агентні системи тепер можуть автономно планувати та виконувати повну шахрайську кампанію, від розвідки до вимоги викупу, майже без участі людини в циклі. Виправлення не полягає в додаванні правила до старого стеку. Це перебудована основа. Тест більше не в тому, чи схоже щось на людського шахрая — а в тому, чи колись за цим стояла справжня людина.