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 difendersi dalle frodi?
- Le istituzioni devono investire in tecnologie avanzate e formare personale competente nella rilevazione delle frodi.
- Quali sono le nuove tecniche utilizzate dai frodatori?
- I frodatori utilizzano deepfake e ingegneria sociale per manipolare le vittime e superare i controlli di sicurezza.
Le frodi finanziarie nel Regno Unito hanno raggiunto un costo di 1,3 miliardi di sterline, evidenziando un fenomeno in costante crescita. Questo aumento è in parte attribuibile all’adozione di tecnologie avanzate, in particolare l’intelligenza artificiale (AI), che si sono rivelate strumenti efficaci nelle mani di 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 Know Your Customer (KYC) e costruendo storie creditizie credibili. Questi gruppi possono operare per mesi prima di effettuare una frode, utilizzando deepfake per generare voci e video convincente che inducono le vittime a autorizzare transazioni o a fornire credenziali sensibili. Tali tattiche minano la fiducia, il punto cruciale in cui un sistema o un operatore umano decide che un’operazione è legittima.
Oggi, le tecnologie non vengono principalmente sconfitte dai sistemi bancari, ma attaccano direttamente il cliente. Le frodi si manifestano attraverso chiamate convincenti, impersonificazioni realistiche e campagne di social engineering personalizzate, che erodono lo scetticismo protettivo delle vittime. Di conseguenza, gli attacchi ai sistemi bancari si presentano 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 gli attaccanti 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, alla ricerca di spostamenti comportamentali che possano indicare test o sondaggio degli asset. È fondamentale avere personale in grado di ragionare sui sistemi, non solo di operarli, con competenze in ragionamento statistico, pensiero adversariale, progettazione dei sistemi e analisi dei feedback.
Non tutte le organizzazioni dispongono di queste competenze. Sebbene l’assunzione di nuovo personale possa sembrare una soluzione, l’avanzamento degli strumenti AI offre soluzioni avanzate facilmente integrabili nelle infrastrutture esistenti. Investire in fornitori esterni che rendano accessibili e spiegabili questi strumenti, combinando analisi statistica e capacità di reasoning, è una strada consigliata.
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 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 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.

