In Breve
- Qual è l'impatto dell'AI sulle frodi finanziarie?
- L'AI sta rendendo le frodi più sofisticate e difficili da rilevare, aumentando le perdite finanziarie.
- Come possono le istituzioni contrastare queste frodi?
- Le istituzioni devono adottare approcci di rilevazione proattivi e investire in tecnologie avanzate.
- Quali sono le tecniche utilizzate dai criminali?
- I criminali usano deepfake, ingegneria sociale e identità sintetiche per ingannare le vittime.
Recenti rapporti indicano che nel Regno Unito le perdite per frodi finanziarie hanno raggiunto la cifra record di 1,3 miliardi di sterline. Questo dato evidenzia un fenomeno in costante crescita, alimentato dall’adozione di tecnologie avanzate, in particolare l’intelligenza artificiale (AI), che si sono trasformate in strumenti potenti 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 composite in grado di superare i controlli Know Your Customer (KYC) e costruendo storie creditizie credibili. Questi criminali possono operare per mesi prima di eseguire una frode, utilizzando deepfake per generare voci e video sufficientemente realistici da indurre le vittime a autorizzare transazioni o a fornire credenziali sensibili.
Le tecnologie odierne non vengono principalmente contrastate dai sistemi delle banche, ma piuttosto attaccano direttamente i clienti, manipolandoli attraverso chiamate convincenti e impersonificazioni realistiche. Queste campagne di social engineering personalizzate erodono il naturale scetticismo delle persone, rendendo più difficile la rilevazione delle frodi. Inoltre, l’uso dell’AI potrebbe evolvere verso attacchi diretti contro le infrastrutture istituzionali, in cui gli attaccanti mappano i controlli e si mantengono al di fuori dei confini di rilevamento.
Le istituzioni finanziarie spesso organizzano i loro team di prevenzione frodi attorno alla gestione degli incidenti, concentrandosi su rilevazione, risposta e chiusura dei casi. Tuttavia, approcci più efficaci considerano la rilevazione come una funzione di ricerca attiva, alla ricerca di 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 avversariale, progettazione dei sistemi e analisi dei feedback.
Non tutte le organizzazioni possiedono queste competenze. Sebbene l’assunzione di personale specializzato possa sembrare una soluzione, l’avanzamento degli strumenti AI rende disponibili soluzioni avanzate che possono essere facilmente integrate nelle infrastrutture esistenti. La strategia suggerita è quella di investire in fornitori esterni che rendano questi strumenti accessibili e comprensibili, combinando analisi statistica e capacità di ragionamento.
Tuttavia, l’implementazione di nuove tecnologie deve essere progettata per non generare ulteriori rischi. Ogni modello ha ipotesi incorporate che gli attori avversari tenteranno di sondare sistematicamente. Pertanto, i sistemi devono essere considerati superfici di attacco fin dalla fase di 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 per identificare anomalie.
