In Breve
- Qual è l'impatto dell'intelligenza artificiale sulle frodi finanziarie?
- L'intelligenza artificiale rende le frodi più sofisticate, permettendo ai criminali di creare identità false e superare i controlli di sicurezza.
- Come possono le istituzioni difendersi dalle frodi?
- Le istituzioni devono investire in tecnologie avanzate e formare il personale per rilevare comportamenti sospetti.
- Quali sono le tecnologie utilizzate per le frodi?
- Tecnologie come la generative AI e i deepfake sono utilizzate per ingannare i clienti e superare i controlli di sicurezza.
Nel Regno Unito, le perdite per frodi hanno raggiunto la cifra record di 1,3 miliardi di sterline, evidenziando un fenomeno in espansione che richiede un’attenzione urgente. Uno dei principali fattori che contribuiscono a questa crescita è l’adozione sempre più diffusa di tecnologie avanzate, in particolare l’intelligenza artificiale (AI), che si sono dimostrate strumenti efficaci nelle mani di reti criminali.
I gruppi di frode stanno diventando sempre più rapidi e sofisticati. Tecnologie come la generative AI permettono di industrializzare l’ingegneria sociale, creando identità sintetiche composite in grado di superare i controlli KYC (Know Your Customer), costruendo storie creditizie credibili e rimanendo operative per mesi prima di eseguire la frode. L’uso di deepfake per le frodi di autorizzazione produce voci e video così plausibili da indurre le persone a autorizzare transazioni o a fornire credenziali sensibili. Queste tattiche minano il livello di fiducia, il punto critico in cui un sistema o un operatore umano decide che un’operazione è legittima.
Oggi, le tecnologie non vengono principalmente sconfitti dai sistemi delle banche, ma piuttosto aggrediscono i clienti, manipolandoli con chiamate più convincenti, impersonificazioni realistiche e campagne di social engineering personalizzate che erodono lo scetticismo protettivo. Di conseguenza, gli attacchi giungono ai sistemi bancari con caratteristiche tecniche di legittimità, rendendo più difficile la rilevazione. Parallelamente, l’uso dell’AI potrebbe evolversi in attacchi diretti contro le infrastrutture istituzionali, con i criminali che mappano i controlli e si mantengono deliberatamente al di fuori dei confini di rilevamento.
I team di prevenzione frodi nelle istituzioni finanziarie sono spesso organizzati attorno alla gestione degli incidenti: rilevare, rispondere e chiudere i casi. Tuttavia, approcci più efficaci considerano la rilevazione come una funzione di ricerca, alla ricerca di spostamenti comportamentali che possano indicare test o sondaggi sugli asset. È necessario personale in grado di ragionare sui sistemi piuttosto che limitarsi a operarli, con competenze sui principi sottostanti: ragionamento statistico, pensiero avversariale, progettazione dei sistemi, analisi dei feedback e comprensione degli effetti composti nel tempo.
Non tutte le organizzazioni dispongono di queste competenze. Sebbene l’assunzione di nuovi talenti possa sembrare una soluzione, l’avanzamento e la diffusione degli strumenti AI offrono oggi soluzioni avanzate facilmente integrabili nelle infrastrutture esistenti. La strada suggerita è investire in fornitori esterni che rendano questi strumenti accessibili, spiegabili e che combinino analisi statistica e capacità di reasoning.
L’implementazione di nuove tecnologie deve essere progettata con attenzione per non alimentare ulteriori rischi. Ogni modello ha ipotesi incorporate che gli attori avversari proveranno a sondare sistematicamente; pertanto, i sistemi devono essere trattati come superfici di attacco fin dalla progettazione e sottoposti a test interni prima della produzione. Le difese basate su AI devono operare in millisecondi per individuare il rischio senza compromettere l’esperienza del cliente, valutando ogni transazione in tempo reale mediante centinaia di segnali confrontati con pattern storici per identificare anomalie.
