如果說今天的創(chuàng)新步伐是場比賽,世界正在以飛快的速度發(fā)生變化。
相對于當今世界發(fā)生的每一項積極的創(chuàng)新,都會有相反的應(yīng)用。黑客和網(wǎng)絡(luò)犯罪分子將用人工智能 (AI) 等,以同樣的手段添加到他們的工具包中。
Hawk AI首席執(zhí)行官兼聯(lián)合創(chuàng)始人Tobias Schweiger告訴記者:“技術(shù)的應(yīng)用不僅是好人的專利,壞人正在加速這樣的軍備競賽,采用新的技術(shù)。”
“作為一家金融機構(gòu),必須意識到這一趨勢,并確保企業(yè)擁有足夠的技術(shù)來反擊。”
調(diào)查發(fā)現(xiàn),超過40%的美國銀行報告稱,欺詐行為正逐年增加,幾乎是 2022 年報告的兩倍。欺詐交易數(shù)量的增加意味著欺詐損失的逐年更高,并突顯出犯罪分子能夠更好地繞過原有的欺詐防御體系。
Schweiger認為,至少在過去二十年里,欺詐系統(tǒng)通常是基于簡單的規(guī)則引擎,而這些規(guī)則引擎現(xiàn)在已不再起作用了。
“升級解決方案和系統(tǒng)并納入機器學習 (ML) 和人工智能確實是唯一的出路,”他解釋道。
當代的問題需要當代的解決方案
為了有效地鎖定緊急攻擊向量漏洞,企業(yè)不能再滿足于廣泛的防御。隨著黑客變得越來越聰明,黑客程序需要通過更加精確地檢測相關(guān)或可疑行為來做出同樣的反應(yīng)。
“我認為最終沒有任何贏家,”Schweiger說。“公司只需要像犯罪分子一樣迅速......解決方案是通過重新調(diào)整模型、對過去發(fā)生的事情進行回溯測試以及校準防御措施來不斷學習,以更準確地保護和避免組織特定的問題行為。”
讓事情變得更加復雜的是,至少有三分之一的金融機構(gòu)認為欺詐者的復雜性是設(shè)計策略和制定打擊欺詐工具決策真正的挑戰(zhàn)。
正如Schweiger所解釋的那樣,這就是為什么金融機構(gòu)需要阻止和解決問題并從小事做起,而不是試圖一次把大海煮沸。
“不需要完全取代老式的基于規(guī)則的流程,”他說。“規(guī)則有其存在的理由,因為它們是組織所了解并感到滿意的。對于大多數(shù)組織來說,僅采用人工智能動作有點太大了。我們更相信,機器學習和人工智能能將舊世界和新世界結(jié)合,其中的規(guī)則反映了人們想要停止或關(guān)注的模式,而頂部的第二層機器學習和人工智能提供了精確性和敏捷性”。
確定合法性越來越具有挑戰(zhàn)性
欺詐是實時發(fā)生的,新的生成式人工智能功能為黑客提供了更多途徑來激活更多欺詐行為漏洞,包括交易欺詐、開戶、賬戶接管和其他行為驅(qū)動的詐騙手段。
“信用卡欺詐仍是黑客們的搖錢樹。”Schweiger說。“ACH 支付也受到了廣泛關(guān)注。使用生成式人工智能進行模仿(包括深度偽造聲音甚至面部)的案件也在不斷增加。這些技術(shù)代表了黑客正在進行更大、面向未來的進步。”
隨著欺詐技術(shù)變得更加復雜,使合法的請求會被消費者和其他最終用戶忽略,他們不確定哪些請求是合法的,哪些請求來自黑客。
“人工智能的應(yīng)用在這種情況下非常重要,因為它可以識別與正常行為發(fā)生偏差的異常。”Schweiger解釋道。“該策略始終以數(shù)據(jù)為依據(jù):如交易數(shù)據(jù)、地理位置信息、設(shè)備指紋等。未來希望更囊括了包括第三方欺詐池的信息。”
他表示,未來獲取不同甚至非常規(guī)類型數(shù)據(jù)的能力將“非常重要”。
雖然現(xiàn)在的消費者通常不會被訪問銀行平臺和交易時遇到的身份驗證或注冊所困擾,但人工智能集成以及人工智能模型在不斷從新數(shù)據(jù)和環(huán)境中學習的能力可以幫助確保平衡安全性和便捷性做出很好的平衡。
Schweiger表示,除了欺詐之外,其他類型的金融犯罪也是金融機構(gòu)最關(guān)心的問題。
“像 Hawk AI 這樣的工具能夠?qū)⒅撇煤Y查、反洗錢 (AML) 交易監(jiān)控等功能,他能與欺詐保護結(jié)合起來,同時豐富彼此的信號。反之亦然,這是銀行在贏得這場軍備競賽的答案。”他說。