作者:任鑫,數據科學資深總監,費德扎伊
生成式人工智慧 (GenAI) 正在改變企業的遊戲規則,並成為詐騙者的新工具。監管人工智慧並擴大技術參與者在金融服務領域的作用對於遏制詐欺的發展至關重要。
根據 2024 年詐騙現況報告競賽&費德扎伊,銀行詐欺和詐騙導致全球損失 1 兆美元。這些重大損失凸顯出,銀行比犯罪者領先一步比以往任何時候都更重要。銀行需要從應對詐欺轉向預防詐欺。
生成式人工智慧為自動詐欺和金融犯罪鋪平了道路
借助社會工程、存取因資料外洩、社群媒體和被盜銀行資料而在暗網上發布的敏感資訊等現有策略,詐欺者可以大大增強他們的騙局。
詐欺者不僅可以更快地創造新身份,而且 GenAI 還賦予這些身份更大的可信度。創建虛假圖像、影片甚至虛假錄音的能力使詐欺者能夠從頭開始建立具有自己捏造身份的角色。
憑藉通過身份驗證檢查的能力,生成式人工智慧成為金融犯罪的強大工具。
在這種背景下,隨著這些工具變得更加廣泛和先進,銀行將忍不住質疑每一次互動的真實性。
詐欺即服務正在興起
借助生成式人工智慧,呼叫中心現在可以快速收集有關目標的信息,了解組織運作情況,並針對特定銀行自訂攻擊。這對於新帳戶詐欺和開戶請求尤其重要。
犯罪分子可以使用 GenAI 工具來了解銀行螢幕的不同佈局和步驟。在了解不同組織的運作方式後,犯罪分子可以編寫腳本來快速填寫表格並創建看似可信的身份來實施開戶詐欺。銀行將不再需要問“這是合適的人選嗎?”而且,“我的客戶是人類還是人工智慧?”
擁抱人工智慧的力量至關重要
企業需要先進的詐欺預防工具來保護自己免受人工智慧驅動的威脅。人工智慧驅動的詐欺偵測系統使組織能夠即時分析大量交易數據,發現傳統方法可能遺漏的隱藏模式和警告訊號。人工智慧產生的警報應包含清晰的解釋,以便人類分析師能夠理解潛在問題背後的原因並做出明智的決策。
人工智慧演算法可能存在偏差,需要不斷監控和改進。這就是為什麼人類專業知識仍然是基於人工智慧的決策的關鍵要素。
銀行可以利用人工智慧,透過風險評估預測未來風險,採取主動措施。然而,使用人工智慧進行信用評估或詐欺偵測等應用的銀行必須確保其係統有效、道德、透明和負責任。
期待更多FinServe合作
隨著銀行越來越多地與金融科技和監管科技等其他金融機構聯手,合作變得越來越重要。目標是共享數據和知識,以加強對跨境詐欺系統的防禦。然而,如果銀行擔心自己面臨法律問題,他們就會猶豫是否要分享資訊。
為了改善數據共享和協作,監管機構必須澄清或放鬆對銀行的立場。目標是協作,但最高層需要更加明確,以確保正確共享資料。
金融機構還可以透過數據驅動的洞察來優化資源配置,將注意力集中在高風險案例上。這減少了對每筆交易進行詳盡的手動調查的需要,使團隊能夠有效地確定其工作的優先順序。因此,組織可以透過預防最重大的詐欺案件來提高效率並降低成本。
人工智慧和機器學習:防止詐欺的盾牌
銀行需要人工智慧和機器學習來即時檢測和防止詐欺。詐欺分析不僅有助於減少潛在損失,還可以建立客戶對銀行的信任。
詐欺分析結合了人工智慧 (AI)、機器學習和預測分析來進行高級數據分析,使銀行能夠處理大量數據並快速獲得見解,以即時回應可疑的詐欺行為。
根據我們與美國銀行合作的經驗,這些銀行現在能夠偵測到一半的潛在詐欺交易。然而,人工智慧和機器學習的使用使他們能夠檢測到 60% 的詐欺行為,從而避免了數百萬美元的潛在詐欺損失。
此外,GenAI 功能已將誤報率降低了 40%,使銀行能夠提供更透明、更順暢的客戶體驗。
結論
在大數據時代,銀行不能再只依賴傳統的基於規則的系統來偵測詐欺交易。詐欺者很快就會了解銀行的規則,並找到在不被發現的情況下實施詐欺的方法。每一種新的詐欺策略都會帶來新的學習,將銀行推入一場無止盡的貓捉老鼠的遊戲。
對於銀行和金融機構來說,圍繞人工智慧不斷發展的監管環境既帶來了挑戰,也帶來了機會。一方面,機構必須靈活地更新人工智慧驅動的流程,以遵守新的指導方針,同時考慮潛在的責任。另一方面,遵守這些原則可以增強客戶和利害關係人的信任,這在金融界非常有價值。
關於作者
Xin Ren 資料科學資深總監。她在金融業工作了 10 多年,專注於提供基於人工智慧的策略並為客戶帶來數據科學最佳實踐。
文章主題
||||||