وقتی هوش مصنوعی در تقلب، از بانکها در شناسایی آن جلوتر میزند
سالهاست که مؤسسات مالی سرمایهگذاری سنگینی روی هوش مصنوعی برای شناسایی تقلب انجام دادهاند. اما یک مشکل بزرگ وجود دارد: همان فناوری که به بانکها کمک میکند رفتار مشکوک را تشخیص دهند، حالا در دست کلاهبرداران هم هست و به آنها کمک میکند رفتار مشکوکشان را طبیعیتر جلوه دهند.
هوش مصنوعی مولد میتواند پیامهای فیشینگ را بسیار قانعکنندهتر کند، کمپینهای مهندسی اجتماعی را خودکار کند، هویتهای ترکیبی (synthetic identity) بسازد، اسناد را دستکاری کند و انتقال پول میان حسابها را سریعتر و پیچیدهتر انجام دهد.
سؤالی که امروز بانکها و شرکتهای فینتک باید از خودشان بپرسند دیگر این نیست که «آیا از هوش مصنوعی برای شناسایی تقلب استفاده میکنیم؟» سؤال مهمتر این است: «آیا سامانهی دفاعی ما سریعتر از خودِ تقلب تطبیق پیدا میکند؟»
همین تفاوت است که میتواند فصل بعدی امنیت مالی را تعریف کند.
چشمانداز تقلب در حال تغییر است
تقلب در پرداخت دیگر یک مشکل عملیاتی گاهبهگاه در گوشهای از بخش ریسک بانک نیست؛ به یک تهدید پیوسته در حوزههای زیر تبدیل شده است:
پرداختهای دیجیتال , افتتاح حساب , احراز هویت , پرداختهای شرکتی , تراکنشهای فرامرزی
بر اساس نظرسنجی سال ۲۰۲۶ دربارهی تقلب و کنترل پرداختها که در آمریکا انجام شده، حدود ۷۶ درصد از سازمانهای آمریکایی طی یک سال گذشته با تلاش برای تقلب یا تقلب واقعی در پرداختها روبهرو شدهاند. نفوذ به ایمیلهای تجاری (Business Email Compromise) هم همچنان یکی از تهدیدهای جدی برای کسبوکارهاست.
در همین حال، هوش مصنوعی دارد اقتصاد تقلب را هم دگرگون میکند. برخی برآوردها نشان میدهد هوش مصنوعی مولد میتواند تا سال ۲۰۲۷ سهم قابلتوجهی در زیانهای ناشی از تقلب در آمریکا داشته باشد؛ رقمی که نسبت به سالهای گذشته چند برابر شده است. هوش مصنوعی به کلاهبرداران کمک میکند مهندسی اجتماعی را خودکار کنند و پول را از میان چند حساب عبور دهند، کاری که شناسایی و بازیابی وجوه را بسیار دشوارتر میکند.
این واقعیت ناخوشایندی را رقم میزند: مؤسسات مالی وارد یک مسابقهی تسلیحاتی هوش مصنوعی شدهاند که خودشان انتخابش نکرده بودند.
مشکل فقط «تقلب بیشتر» نیست؛ «تقلب هوشمندتر» است
تقلب سنتی معمولاً نشانههای قابلشناسایی از خود بهجا میگذاشت:
یک آیپی مشکوک , یک تراکنش غیرعادی , یک کارت مسروقه , ورود از یک موقعیت مکانی ناآشنا , تغییر ناگهانی در مبلغ تراکنش
این نشانهها هنوز کاربرد دارند، اما تقلب مدرن میتواند بهگونهای طراحی شود که کاملاً قانونی به نظر برسد:
- یک هویت ترکیبی میتواند اطلاعات واقعی و جعلی را با هم ترکیب کند.
- یک دیپفیک قانعکننده میتواند یک تعامل کلاهبردارانه را کاملاً معتبر جلوه دهد.
- یک حملهی مهندسی اجتماعی میتواند مشتری واقعی را وادار کند خودش یک پرداخت بهظاهر قانونی را تأیید کند.
- یک مهاجم مجهز به هوش مصنوعی میتواند رفتارش را پس از یادگیری الگوهای شناسایی مؤسسهی مالی، پیوسته تغییر دهد.
همین موضوع، پرسش بنیادین شناسایی تقلب را عوض میکند. بهجای اینکه بپرسیم «آیا این تراکنش با یک الگوی شناختهشدهی تقلب مطابقت دارد؟»، مؤسسات مالی باید بپرسند: «آیا رفتاری که پشت این تراکنش قرار دارد، منطقی است؟»
این سؤال بسیار دشوارتری است.
چرا شناسایی مبتنی بر قاعده به مشکل میخورد
قاعدهها ذاتاً بد نیستند؛ در واقع برای انطباق قانونی و مدیریت ریسک همچنان ضروریاند. مشکل از جایی شروع میشود که مؤسسات مالی در محیطی که رفتار دائماً در حال تغییر است، بیش از حد به قواعد ثابت وابسته میشوند.
فرض کنید یک سامانهی ضد تقلب قاعدهای دارد که میگوید: «تراکنشهای بالای مبلغ مشخصی از یک دستگاه جدید را مسدود کن.»
یک کلاهبردار حرفهای الزاماً نیازی به شکستن این قاعده ندارد. او میتواند:
- زیر همان آستانهی مشخص عمل کند
- ابتدا یک سابقهی بهظاهر قانونی از فعالیت بسازد
- تراکنشها را میان چند حساب پخش کند
- از اطلاعات هویتی بهسرقترفته استفاده کند
- رفتار یک مشتری عادی را تقلید کند
یک تراکنش وقتی بهتنهایی بررسی میشود ممکن است کاملاً قانونی به نظر برسد، اما الگوی رفتاری پشت چند رویداد پیاپی میتواند داستان کاملاً متفاوتی روایت کند. اینجاست که شناسایی تقلب مبتنی بر هوش مصنوعی اهمیت روزافزون پیدا میکند.
رویکردهای مدرن، بهجای تکیهی صرف بر قواعد از پیش تعریفشده، ترکیبی از شناسایی ناهنجاری، هوش رفتاری، تحلیل شبکهی ارتباطات و مداخلهی بلادرنگ را به کار میگیرند.
میدان نبرد تازه: هویت، رفتار و پرداخت
آیندهی پیشگیری از تقلب نمیتواند صرفاً به بررسی اصالت یک سند هویتی محدود بماند، چون یک سند اصیل الزاماً به معنای وجود یک شخص واقعی پشت تراکنش نیست.
تقلب مبتنی بر هوش مصنوعی، مؤسسات مالی را بهسمت رویکردی گستردهتر سوق میدهد که این موارد را با هم ترکیب میکند:
احراز هویت , هوش دستگاه , تحلیل رفتاری , پایش تراکنش , فعالیت حساب , روابط شبکهای , سیگنالهای موقعیت مکانی و نشست , الگوهای پرداخت , ارزیابی مستمر ریسک
این موضوع بهویژه در مرحلهی افتتاح حساب اهمیت دارد. یک کلاهبردار ممکن است امروز موفق به ساخت یک حساب شود و فردا به یک ریسک بسیار بزرگتر تبدیل شود؛ به همین دلیل ارزیابی ریسک نباید با پایان فرایند احراز هویت اولیه متوقف شود. خودِ حساب باید همچنان قابلرصد باقی بماند.
همین اصل دربارهی پرداختها هم صدق میکند. یک پرداخت را نباید فقط در لحظهی آغازش ارزیابی کرد؛ زمینه و بافتار اطراف آن هم اهمیت دارد:
- چه کسی آن را آغاز کرده؟
- از چه دستگاهی؟
- چه چیزی تغییر کرده؟
- آیا مشتری پیشتر چنین رفتاری داشته؟
- آیا ذینفع جدید است؟
- آیا این تراکنش با سابقهی رفتاری مشتری همخوانی دارد؟
- آیا این پرداخت به یک شبکهی مشکوک گستردهتر متصل است؟
هرچه این سیگنالها پراکندهتر باشند، دیدن تصویر کامل ماجرا دشوارتر میشود
آیندهی فینتک با سرعت زیادی در حال حرکت است. کلاهبرداران از هوش مصنوعی برای خودکارسازی و پیچیدهترکردن حملاتشان استفاده میکنند، و تنها پاسخ مؤثر برای مؤسسات مالی، حرکت از شناسایی مبتنی بر قاعده بهسوی درک پویا و مستمر از رفتار و ریسک است.
پرسش نهایی این نیست که آیا زیرساخت مالی هر سازمانی از هوش مصنوعی استفاده میکند یا نه؛ پرسش این است که آیا آن زیرساخت میتواند با سرعت تحول خودِ تهدید هماهنگ باشد.حمید کریمی
هوش مصنوعی نباید فقط تقلب را شناسایی کند؛ باید ریسک را بفهمد
اینجاست که نسل بعدی زیرساخت فینتک باید تحول پیدا کند. هدف نباید جایگزینکردن همهی قواعد موجود ضد تقلب با یک مدل هوش مصنوعی باشد؛ بلکه مؤسسات مالی به یک لایهی ریسک هوشمند نیاز دارند که در کنار کنترلهای موجود کار کند.
آن را میتوان بهشکل یک چرخهی تصمیمگیری پیوسته تصور کرد: مشاهده → تحلیل → امتیازدهی → اقدام → یادگیری.
یک تراکنش رخ میدهد.
سامانه بافتار آن را ارزیابی میکند.
سیگنالهای ریسک با هم ترکیب میشوند.
تراکنش یک ارزیابی ریسک پویا دریافت میکند.
اقدام مناسب فعال میشود.
نتیجه به تصمیمگیریهای آینده بازخورد میدهد.
این چرخه رویکردی تطبیقپذیرتر میسازد:
فعالیت کمریسک ← ادامه با کمترین اصطکاک
فعالیت پرریسکتر ← فعالسازی احراز هویت اضافه
فعالیت مشکوک ← توقف برای بررسی بیشتر
این رویکرد میتواند مؤسسات مالی را از «شناسایی تقلب پس از وقوع» به «مداخلهی ریسک در لحظه» سوق دهد.
چالش دیگر: پرداختها سریعتر میشوند
این مسئله وقتی پرداختها روزبهروز دیجیتالیتر و جهانیتر میشوند، اهمیت بیشتری پیدا میکند. وقتی پول سریعتر جابهجا میشود، مؤسسات مالی زمان کمتری برای شناسایی ریسک در اختیار دارند.
پرداختی که پیشتر زمان بیشتری برای بررسی به مؤسسه میداد، امروز ممکن است تقریباً بهصورت آنی از میان اکوسیستم دیجیتال عبور کند.
پرداختهای فرامرزی هم لایهی دیگری از پیچیدگی اضافه میکنند:
ارزهای متفاوت , حوزههای قضایی متفاوت , مؤسسات متفاوت , الزامات انطباق قانونی متفاوت , سیگنالهای ریسک متفاوت
راهبردی برای شناسایی تقلب که فقط درون یک کانال پرداختی منفرد مؤثر عمل میکند، ممکن است زمانی که فعالیت مالی از چند سامانه عبور میکند دیگر کافی نباشد. به همین دلیل زیرساخت پرداخت و هوش تقلب باید روزبهروز بیشتر با هم هماهنگ عمل کنند.
سوی دیگر ماجرا: زیرساخت پرداختی که به هوش ریسک متصل است
برای کسبوکارهایی که با ارز خارجی، پرداخت فرامرزی و جابهجایی بینالمللی پول سروکار دارند، هدف باید فراتر از صرفِ انتقال وجه از نقطهی الف به نقطهی ب باشد. زیرساخت باید از یک مسیر پرداختی هوشمندتر پشتیبانی کند؛ مسیری که در آن بافتار تراکنش، کنترلهای عملیاتی و ملاحظات ریسک بخشی از کل تجربهی پرداخت میشوند.
وقتی زیرساخت پرداخت به قابلیتهای هوشمند ریسک و انطباق قانونی متصل شود، مؤسسات مالی و شرکتهای فینتک میتوانند بهسوی الگویی پیشگیرانهتر حرکت کنند:
پرداختهای سریعتر , تصمیمهای هوشمندانهتر , کنترلهای قویتر , شفافیت بیشتر
جهتگیری نهایی فینتک نه حذف قضاوت انسانی، بلکه در اختیار گذاشتن اطلاعات و هوش بهتر برای تیمهای مالی، پیش از، حین و پس از هر تراکنش است.
آینده، هوش مصنوعی در برابر تقلب نیست؛ هوش مصنوعی در برابر هوش مصنوعی است
صنعت مالی وارد فاز تازهای شده است:
- کلاهبرداران به فناوری بهتری دسترسی دارند.
- مؤسسات مالی هم به فناوری بهتری دسترسی دارند.
- مشتریان انتظار پرداختهای سریعتر دارند.
- کسبوکارها انتظار اصطکاک کمتر دارند.
- نهادهای ناظر انتظار کنترلهای قویتر دارند.
- و مؤسسات مالی باید همهی این چهار انتظار را همزمان برآورده کنند.
این یعنی راهبرد برنده، متعلق به مؤسسهای نخواهد بود که بیشترین ابزارهای هوش مصنوعی را دارد؛ بلکه متعلق به مؤسسهای است که میتواند داده، هویت، پرداخت، ریسک و هوش را در یک سامانهی واحد و پاسخگو در لحظه به هم متصل کند.
چون در نسل بعدی فینتک، پیشگیری از تقلب دیگر چیزی نیست که پس از یک تراکنش رخ میدهد؛ بخشی از خودِ فرایند وقوع تراکنش خواهد شد
