In Breve
- Qual è l'impatto dell'intelligenza artificiale sulle frodi finanziarie?
- L'intelligenza artificiale consente ai criminali di diventare più sofisticati, creando identità sintetiche e utilizzando deepfake per frodi.
- Come possono le istituzioni finanziarie contrastare le frodi?
- Devono adottare approcci proattivi nella rilevazione delle frodi e investire in soluzioni AI avanzate.
- Quali competenze sono necessarie per la prevenzione delle frodi?
- È fondamentale avere personale con competenze in ragionamento statistico e progettazione dei sistemi.
Le frodi finanziarie stanno assumendo proporzioni sempre più preoccupanti, con perdite che nel Regno Unito hanno raggiunto 1,3 miliardi di sterline. Questo fenomeno, in continua crescita, è alimentato dall’uso sempre più diffuso di tecnologie avanzate, in particolare l’intelligenza artificiale (AI), che si sono trasformate in strumenti efficaci per le 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 in grado di superare i controlli KYC (Know Your Customer) e costruendo storie creditizie credibili. Queste identità possono rimanere operative per mesi prima di attuare una frode. Inoltre, l’uso di deepfake per frodi di autorizzazione produce voci e video così plausibili da indurre le persone a autorizzare transazioni o a fornire credenziali sensibili. Tali tattiche minano la fiducia, il punto 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 aggrediscono i clienti, manipolandoli con chiamate convincenti, impersonificazioni realistiche e campagne di social engineering personalizzate che erodono il loro scetticismo. Di conseguenza, gli attacchi arrivano ai sistemi bancari con caratteristiche tecniche di legittimità, rendendo più difficile la loro rilevazione. Parallelamente, 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 nelle 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, mirata a identificare spostamenti comportamentali che possano indicare test o sondaggio degli asset. È necessario personale in grado di ragionare sui sistemi piuttosto che limitarsi a operarli, con competenze su principi fondamentali come il ragionamento statistico, il pensiero adversariale, la progettazione dei sistemi, l’analisi dei feedback e la comprensione degli effetti composti nel tempo.
Non tutte le organizzazioni dispongono di queste competenze. Sebbene l’assunzione di nuovo personale possa sembrare la soluzione, l’avanzamento e la diffusione degli strumenti AI offrono oggi soluzioni avanzate facilmente integrabili nelle infrastrutture esistenti. Si suggerisce di investire in fornitori esterni che rendano 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 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 individuare il rischio senza compromettere l’esperienza del cliente, valutando ogni transazione in tempo reale attraverso centinaia di segnali confrontati con pattern storici per identificare anomalie.
