Frodi finanziarie e intelligenza artificiale: un fenomeno in crescita che richiede nuove strategie di difesa

In Breve

Qual è l'impatto delle frodi finanziarie nel Regno Unito?

Le perdite per frodi finanziarie nel Regno Unito hanno raggiunto 1,3 miliardi di sterline.

Come l'intelligenza artificiale è utilizzata nelle frodi?

L'AI è utilizzata per creare identità sintetiche e per ingegneria sociale, rendendo le frodi più sofisticate.

Quali strategie possono adottare le istituzioni per prevenire le frodi?

Le istituzioni dovrebbero investire in fornitori esterni e progettare sistemi di difesa che considerino i rischi fin dalla fase di progettazione.

Frodi finanziarie e intelligenza artificiale: un fenomeno in crescita che richiede nuove strategie di difesa

Nel Regno Unito, le perdite dovute a frodi finanziarie hanno raggiunto la cifra record di 1,3 miliardi di sterline, evidenziando un fenomeno in continua espansione. Tra i principali fattori che contribuiscono a questa crescita c’è l’adozione sempre più diffusa di tecnologie avanzate, in particolare l’intelligenza artificiale (AI), che si sono rivelate strumenti efficaci nelle mani di reti criminali.

La crescente sofisticazione delle frodi

I gruppi criminali stanno diventando sempre più rapidi e abili nell’utilizzare tecnologie come la generative AI per migliorare le loro operazioni. Queste tecnologie consentono di industrializzare l’ingegneria sociale, creando identità sintetiche composite capaci di superare i controlli Know Your Customer (KYC) e costruendo storie creditizie credibili. In molti casi, questi gruppi possono rimanere operativi per mesi prima di eseguire la frode.

Un altro aspetto preoccupante è l’uso di deepfake per le frodi di autorizzazione, che produce voci e video sufficientemente plausibili da indurre le persone a autorizzare transazioni o a fornire credenziali sensibili. Queste tattiche mirano a minare il livello di fiducia, il momento in cui un sistema o un operatore umano decide che un’operazione è legittima.

Attacchi diretti ai clienti

Le tecnologie attuali non vengono principalmente contrastate dai sistemi delle banche, ma piuttosto aggrediscono i clienti, manipolandoli attraverso chiamate convincenti, impersonificazioni realistiche e campagne di social engineering personalizzate. Queste tecniche erodono lo scetticismo protettivo dei consumatori, rendendo più difficile la rilevazione delle frodi. Di conseguenza, gli attacchi ai sistemi bancari assumono caratteristiche tecniche di legittimità, complicando ulteriormente la loro identificazione.

Inoltre, 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.

Nuove strategie di prevenzione

I team di prevenzione frodi nelle istituzioni finanziarie sono spesso organizzati 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, cercando spostamenti comportamentali che possano indicare test o sondaggio degli asset.

È fondamentale avere personale in grado di analizzare i sistemi piuttosto che limitarsi a operarli, possedendo competenze in ragionamento statistico, pensiero adversariale, progettazione dei sistemi e analisi dei feedback. Purtroppo, non tutte le organizzazioni dispongono di queste competenze.

Nonostante l’assunzione di nuovo personale possa sembrare una soluzione, l’avanzamento degli strumenti AI offre oggi soluzioni avanzate facilmente integrabili nelle infrastrutture esistenti. È consigliabile investire in fornitori esterni che rendano questi strumenti accessibili e spiegabili, combinando analisi statistica e capacità di reasoning.

Progettazione sicura delle tecnologie

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 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 individuare 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.