Ngăn Xếp Gian Lận Của Bạn Được Xây Dựng Cho Đối Thủ Con Người

Trong 30 năm qua, CAPTCHA chỉ thực hiện một nhiệm vụ: khiến máy móc không vượt qua được một bài kiểm tra mà con người có thể hoàn thành mà không cần suy nghĩ. Nhiệm vụ đó đã kết thúc. Các nhà nghiên cứu, thử nghiệm các bộ giải tự động đối với các thử thách hình ảnh reCAPTCHA v2 của Google, đã báo cáo tỷ lệ thành công 100%, tăng so với khoảng 68% đến 71% trong các nghiên cứu trước, và không phát hiện sự khác biệt đáng kể nào giữa số lượng thử thách mà bot cần vượt qua và số lượng mà con người thực hiện.

Nếu chúng ta xem CAPTCHA như một đại diện cho toàn bộ một danh mục kiểm soát dựa trên cùng một tiền đề: rằng một số nhiệm vụ là dễ dàng đối với con người và khó đối với máy móc, và do đó việc vượt qua nhiệm vụ chứng minh bạn là con người: đã đến lúc xem xét lại các tham số kiểm soát. Các tác nhân AI đã âm thầm xóa bỏ tiền đề này trong nhận dạng hình ảnh, điền biểu mẫu và điều hướng đa bước, và hầu hết các nhóm rủi ro vẫn chưa tái xây dựng ngăn xếp của mình để đáp ứng.

Calibrated Against the Wrong Enemy

Mỗi quy tắc trong một ngăn xếp gian lận trưởng thành đều được điều chỉnh để chống lại một đối thủ cụ thể, dù là một con người mạo danh người khác hay một trang trại bot mạo danh nhiều người cùng lúc. Kiểm tra tốc độ phát hiện người mở tài khoản nhanh hơn mức mà một người có thể thực hiện một cách hợp lý. Các quy tắc tái sử dụng thiết bị phát hiện người tái chế phần cứng qua nhiều danh tính. Cả hai đều được xây dựng dựa trên giới hạn của con người, thời gian thực tế để điền một biểu mẫu và chi phí thực tế để mua thiết bị mới.

Những giới hạn tương tự không ràng buộc một tác nhân AI như chúng ràng buộc chúng ta, con người. Nó có thể hoàn thành một biểu mẫu trong thời gian mà một con người chỉ đọc trường đầu tiên, và nó có thể được cung cấp, sử dụng một lần và loại bỏ với chi phí gần như bằng không. Lưu lượng tự động hiện chiếm hơn 53% tổng lưu lượng web, tăng từ 51% một năm trước, trong khi hoạt động của con người giảm xuống 47% và vẫn tiếp tục giảm. Hơn một phần tư các cuộc tấn công bot (27%) hiện nhắm trực tiếp vào API, bỏ qua hoàn toàn giao diện người dùng để hoạt động ở tốc độ máy, và riêng ngành dịch vụ tài chính đã hấp thụ 24% tổng các cuộc tấn công bot và 46% các sự cố chiếm đoạt tài khoản vào năm 2025. Các quy tắc dựa trên tốc độ của con người sẽ không bao giờ bắt được một loại lưu lượng không có nhịp độ nào.

Where the Cracks Are Showing

Bản năng ban đầu của ngành đã là chống lại AI bằng nhiều AI hơn, coi mô hình hộp đen như một viên đạn bạc cho một kẻ thù hộp đen. Bản năng đó tự làm vấn đề trở nên tồi tệ hơn. Một mô hình gian lận không thể giải thích quyết định của mình gần như không thể bảo vệ trước cơ quan quản lý, khách hàng, hoặc kiểm toán nội bộ khi quyết định đó bị thách thức, và một mô hình mờ được đào tạo để bắt một mối đe dọa mờ làm tăng thêm sự mờ ám thay vì giải quyết nó. Khả năng bảo vệ ở đây không chỉ là một khái niệm triết học; nó còn có nghĩa là có thể chứng minh quản trị mô hình: chính xác mô hình nào đang hoạt động, những gì đã thay đổi so với phiên bản trước, thông tin nào mô hình được đào tạo, ai đã phê duyệt thay đổi và vì sao. Một hệ thống được xây dựng để tự động cập nhật mô hình AI không bao giờ được thiết kế để tạo ra loại dấu vết giấy tờ như vậy.

Một biện pháp phòng thủ khác cần thiết để phân biệt người tốt và kẻ nghịch ngợm là trí tuệ lớp đa tầng: độ sâu tín hiệu trên đủ các chiều độc lập sao cho một danh tính giả mạo, một tài khoản bị chiếm đoạt hoặc một người vận chuyển tiền không còn chỗ ẩn nấp. Mỗi chiều bổ sung là một cơ hội riêng để phát hiện sự không nhất quán, một phần hạ tầng gian lận chung hoặc hành vi không khớp với thông tin của người dùng. Không cần một tín hiệu duy nhất phải mang toàn bộ trọng lượng quyết định. Ngữ cảnh càng rộng, một manh mối mơ hồ, cô lập càng trở thành điều mà đội gian lận có thể thực sự dựa vào. 

Nguyên tắc tương tự cũng áp dụng cho dù quyết định được đưa ra bởi con người hay mô hình. Một công cụ rủi ro AI không thông minh hơn dữ liệu nó nhận được. Nếu loại bỏ một nửa các chiều, bạn sẽ có một hệ thống suy luận với độ tin cậy tuyệt đối chỉ dựa trên một nửa bức tranh, và điều này đúng cả với mô hình học máy đánh giá một giao dịch trong vài mili giây cũng như với một nhà phân tích thực hiện thủ công. Nó trở nên chính xác hơn, không phải kém, khi ngày càng nhiều quyết định được chuyển sang các hệ thống tự động đưa ra quyết định mà không có con người tham gia. Độ sâu ngữ cảnh không chỉ là cách bạn bắt được một tác nhân thực hiện gian lận. Đó là tiền đề để tin tưởng vào quyết định của một tác nhân trong bất kỳ lĩnh vực nào.

Cung cấp ngữ cảnh đó cho một mô hình mà quá trình suy luận vẫn có thể đọc được, thay vì một hệ thống hộp đen duy nhất đoán ý định chỉ dựa trên một tín hiệu, và quyết định không chỉ chính xác mà còn có thể bảo vệ được. Sự khác biệt này quan trọng hơn khi đối đầu với các tác nhân AI so với các băng nhóm gian lận của con người, vì một tác nhân để lại dấu vết khác. Nó không run rẩy, không do dự hay mắc những lỗi nhỏ mà sinh trắc học hành vi được thiết kế để phát hiện. Thay vào đó, nó để lại dấu chân; trong thời đại các chứng chỉ mà nó sử dụng và sự nhất quán của lịch sử thiết bị, dù có kéo dài hơn hay không so với giao dịch trước mắt bạn. Nó chạy một công cụ truy cập từ xa một cách yên lặng trong nền trong khi chứng chỉ của người khác đang được tiêu dùng. Tất cả đều không cần đọc khuôn mặt. Chỉ cần khả năng đọc chi tiết toàn bộ phiên làm việc dựa trên một bộ tín hiệu rộng.

The Human Tell That Isn’t There Anymore

Không nơi nào cần tái hiệu chỉnh gấp hơn so với trong xác thực danh tính, nơi các đội gian lận đã xây dựng một toàn bộ lĩnh vực để bắt các dấu hiệu con người, như tần suất chớp mắt không tự nhiên, đồng bộ môi không khớp, hoặc hiện tượng vân da trong ảnh. Công cụ deepfake đã lấp đầy hầu hết những khoảng trống đó, và tội phạm không còn cần tự xây dựng các công cụ này.

Báo cáo Đánh Giá Mối Đe Dọa Gian Lận Tài Chính Toàn Cầu của Interpol, công bố vào tháng Ba, phát hiện gian lận tài chính đã rút hơn 442 tỷ USD khỏi nền kinh tế toàn cầu vào năm 2025, với gian lận được tăng cường bằng AI hiện khoảng 4,5 lần lợi nhuận hơn so với các phương pháp truyền thống. Báo cáo xác định các hoạt động “deepfake-as-a-service” trên các chợ đen của dark web bán bộ công cụ danh tính tổng hợp, bao gồm avatar video do AI tạo, sao chép giọng nói và dữ liệu sinh trắc học, cho phép kẻ tấn công xây dựng một bản sao kỹ thuật số thuyết phục chỉ từ 10 giây âm thanh thu thập từ một bài đăng trên mạng xã hội.

Tín hiệu đáng tin cậy chưa bao giờ là tài liệu ID. Đó là tính liên tục: quá khứ kỹ thuật số của một danh tính thực tế tích lũy qua nhiều năm hoạt động tài khoản bình thường và các mẫu hành vi, loại lịch sử mà một danh tính tổng hợp, hoặc một tác nhân thay mặt cho nó, không có thời gian để xây dựng. Một hệ thống chỉ tìm kiếm tài liệu ID giả mạo sẽ luôn thất bại. Một hệ thống tìm kiếm lịch sử thiếu sót sẽ có mục tiêu khó giả mạo hơn.

Retooling for a Different Adversary

Điều này không phải là lời kêu gọi hoảng loạn, cũng không phải là lập luận cho rằng gian lận của con người đã biến mất. Nó vẫn còn. Đây là lập luận rằng một ngăn xếp được điều chỉnh hoàn toàn dựa trên giới hạn, tốc độ và dấu hiệu của con người có một điểm mù cấu trúc ngay tại nơi các tác nhân AI hoạt động, và điểm mù đó sẽ không tự động khép lại. Bất kỳ một trong các kiểm tra này, khi được thử riêng lẻ, vẫn có thể cho kết quả sạch. Chỉ khi những kiểm tra đó được kết hợp lại, qua đủ các chiều độc lập, thì mẫu mà một kiểm tra cô lập được thiết kế để bỏ qua sẽ trở nên hiện hữu.

Các hệ thống AI tự động hiện có thể tự lên kế hoạch và thực hiện một chiến dịch gian lận hoàn chỉnh, từ thu thập thông tin đến yêu cầu tiền chuộc, phần lớn mà không có người điều khiển nào trong vòng lặp. Giải pháp không phải là một quy tắc gắn vào ngăn xếp cũ. Đó là một tiền đề được xây dựng lại. Kiểm tra không còn là liệu điều gì đó có giống một kẻ gian lận con người hay không — mà là liệu có bao giờ có một con người thật sự đứng sau nó hay không.