In Breve
- Qual è l'impatto dell'intelligenza artificiale sulle frodi finanziarie?
- L'intelligenza artificiale ha reso le frodi più sofisticate, consentendo ai criminali di creare identità false e manipolare i clienti.
- Come possono le istituzioni finanziarie difendersi dalle frodi?
- Devono adottare approcci proattivi nella rilevazione delle frodi e investire in tecnologie avanzate e competenze interne.
- Quali sono le sfide nella prevenzione delle frodi oggi?
- Le frodi sono sempre più difficili da rilevare a causa dell'uso di tecnologie che imitano operazioni legittime.
Nel Regno Unito, le perdite dovute a frodi finanziarie hanno toccato la cifra record di 1,3 miliardi di sterline, un chiaro segnale di un fenomeno in continua espansione. Tra i fattori che alimentano questa crescita, l’uso sempre più diffuso di tecnologie avanzate, in particolare l’intelligenza artificiale, si è rivelato determinante. Queste tecnologie sono diventate strumenti efficaci nelle mani di reti criminali, rendendo le frodi sempre più sofisticate.
I gruppi criminali stanno evolvendo, diventando più veloci e ingegnosi. Tecnologie come la generative AI permettono di industrializzare l’ingegneria sociale, creando identità sintetiche in grado di superare i controlli KYC (Know Your Customer) e costruendo storie creditizie credibili. Questi criminali possono rimanere operativi per mesi, eseguendo frodi con un alto grado di legittimità. L’uso di deepfake, ad esempio, consente di generare voci e video così realistici da indurre le persone a autorizzare transazioni o a fornire credenziali sensibili.
Le tecnologie attuali non vengono principalmente contrastate dai sistemi delle banche, ma attaccano il cliente direttamente, manipolandolo con chiamate convincenti e impersonificazioni realistiche. Le campagne di social engineering personalizzate erodono lo scetticismo protettivo, rendendo più difficile la rilevazione delle frodi. Le frodi arrivano ai sistemi bancari con caratteristiche tecniche di legittimità, complicando ulteriormente il compito di identificare le anomalie.
Inoltre, l’uso dell’AI potrebbe evolversi verso attacchi diretti alle infrastrutture istituzionali. I criminali potrebbero mappare i controlli di sicurezza e mantenersi al di fuori dei confini di rilevamento, rendendo le difese tradizionali obsolete.
I team di prevenzione frodi nelle istituzioni finanziarie sono spesso organizzati attorno alla gestione degli incidenti, focalizzandosi su rilevazione, risposta e chiusura dei casi. Tuttavia, approcci più efficaci considerano la rilevazione come una funzione di ricerca, mirando a identificare spostamenti comportamentali che possano indicare tentativi di frode. È fondamentale avere personale con competenze in ragionamento statistico, pensiero avversariale e progettazione dei sistemi.
Non tutte le organizzazioni dispongono di queste competenze interne. Sebbene l’assunzione di nuovo personale possa sembrare una soluzione, l’avanzamento degli strumenti di AI offre soluzioni avanzate facilmente integrabili nelle infrastrutture esistenti. Investire in fornitori esterni che rendano questi strumenti accessibili e spiegabili è una strada promettente.
Tuttavia, l’implementazione di nuove tecnologie deve essere progettata con attenzione per non alimentare ulteriori rischi. Ogni modello ha ipotesi incorporate che gli attori avversari tenteranno di sondare. Pertanto, i sistemi devono essere considerati 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 identificare i rischi senza compromettere l’esperienza del cliente, valutando ogni transazione in tempo reale attraverso centinaia di segnali confrontati con pattern storici.
