In Breve
- Qual è l'impatto dell'intelligenza artificiale sulle frodi finanziarie?
- L'AI consente ai gruppi di frode di diventare più rapidi e sofisticati, migliorando le tecniche di ingegneria sociale.
- Come possono le istituzioni difendersi dalle frodi?
- Le istituzioni devono investire in tecnologie avanzate e formare personale con competenze specifiche per affrontare le frodi.
- Quali sono le sfide nella prevenzione delle frodi?
- Le tecnologie moderne rendono difficile la rilevazione delle frodi, poiché attaccano direttamente la fiducia del cliente.
Nel Regno Unito, le perdite per frodi finanziarie hanno raggiunto la cifra record di 1,3 miliardi di sterline, evidenziando un fenomeno che continua a crescere in modo preoccupante. Questo incremento è in gran parte attribuibile all’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 consentono loro di industrializzare l’ingegneria sociale, creando identità sintetiche composite capaci 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 ha reso possibile generare voci e video così plausibili da indurre le persone a autorizzare transazioni o a fornire credenziali personali. Queste tattiche minano il livello di fiducia, il punto cruciale in cui un sistema o un operatore umano decide che un’operazione è legittima.
Le tecnologie attuali non vengono principalmente contrastate dai sistemi bancari, ma piuttosto attaccano direttamente il cliente, manipolandolo attraverso chiamate più convincenti, impersonificazioni realistiche e campagne di social engineering personalizzate. Questo approccio erode lo scetticismo protettivo, rendendo più difficile la rilevazione delle frodi. Inoltre, l’uso dell’AI potrebbe evolvere verso 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 all’interno delle istituzioni finanziarie sono spesso organizzati attorno alla gestione degli incidenti: rilevare, rispondere e chiudere il caso. Tuttavia, approcci più efficaci considerano la rilevazione come una funzione di ricerca, alla ricerca di spostamenti comportamentali che possano indicare test o sondaggio degli asset. È fondamentale avere personale in grado di comprendere i sistemi piuttosto che limitarsi a operarli, con competenze in ragionamento statistico, pensiero avversariale, progettazione dei sistemi e analisi dei feedback.
Non tutte le organizzazioni dispongono di tali competenze interne. 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 strategia suggerita è quella di investire in fornitori esterni che possano rendere questi strumenti accessibili e spiegabili, combinando analisi statistica e capacità di reasoning.
Tuttavia, l’implementazione di nuove tecnologie deve essere progettata in modo da non alimentare ulteriori rischi. Ogni modello ha ipotesi incorporate che gli attori avversari tenteranno di 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 i rischi senza compromettere l’esperienza del cliente, valutando ogni transazione in tempo reale mediante centinaia di segnali confrontati con pattern storici per identificare anomalie.
