In Breve
- Qual è l'impatto dell'intelligenza artificiale sulle frodi finanziarie?
- L'intelligenza artificiale sta rendendo le frodi più sofisticate e difficili da rilevare.
- Come possono le istituzioni contrastare le frodi?
- Le istituzioni devono adottare approcci proattivi e investire in tecnologie avanzate per la prevenzione delle frodi.
- Quali sono le tecniche utilizzate dai criminali?
- I criminali utilizzano deepfake e ingegneria sociale per manipolare le vittime e superare i controlli di sicurezza.
Le frodi finanziarie nel Regno Unito hanno raggiunto la cifra record di 1,3 miliardi di sterline, evidenziando un fenomeno in costante crescita. Un elemento chiave di questa espansione è l’adozione sempre più diffusa di tecnologie avanzate, in particolare l’intelligenza artificiale, che si è rivelata uno strumento efficace per le reti criminali.
I gruppi di frode stanno diventando sempre più veloci e sofisticati. Tecnologie come la generative AI consentono di industrializzare l’ingegneria sociale, creando identità sintetiche in grado di superare i controlli KYC (Know Your Customer) e costruendo storie creditizie credibili che possono rimanere operative per mesi prima di eseguire una frode. L’uso di deepfake per le frodi di autorizzazione produce voci e video così plausibili da indurre le vittime a autorizzare transazioni o a fornire credenziali sensibili. Queste tattiche minano la fiducia, un elemento cruciale nel determinare la legittimità di un’operazione.
Le tecnologie attuali non vengono principalmente contrastate dai sistemi delle banche, ma attaccano direttamente il cliente, manipolandolo attraverso chiamate convincenti, impersonificazioni realistiche e campagne di social engineering personalizzate. Questo approccio erode lo scetticismo protettivo delle persone, rendendo più difficile la rilevazione delle frodi. Parallelamente, l’uso dell’AI potrebbe evolversi verso attacchi diretti contro le infrastrutture istituzionali, con i criminali che mappano i controlli e si mantengono 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, cercando spostamenti comportamentali che possano indicare test o sondaggio degli asset. È fondamentale avere personale in grado di analizzare i sistemi, non solo di operarli, con competenze in ragionamento statistico, pensiero adversariale, progettazione dei sistemi, analisi dei feedback e comprensione degli effetti composti nel tempo.
Non tutte le organizzazioni dispongono di queste competenze e, sebbene l’assunzione di nuovo personale possa sembrare una soluzione, l’avanzamento e la diffusione degli strumenti di AI offrono soluzioni avanzate facilmente integrabili nelle infrastrutture esistenti. La strada suggerita è quella 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 per 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.
