北美的金融機構面臨詐欺計畫的激增，社會工程詐騙在過去一年增加了十倍。根據生物捕獲數據隨著數位銀行詐欺的發展，利用深度偽造媒體等先進策略來欺騙客戶和金融機構。
BioCatch 的最新見解揭示了欺詐策略的轉變。社會工程詐騙操縱受害者洩露敏感訊息，目前在數位銀行詐欺中佔很大比例。
這些計劃通常透過冒充和情感操縱來利用信任，包括虛假的客戶服務電話或簡訊。生成式人工智慧工具的日益普及推動了深度造假技術的興起，使詐欺者能夠模仿聲音或創造逼真的視覺效果來欺騙目標。
「正如我們在2024 年人工智慧、詐欺和金融犯罪調查以及ScamGPT 白皮書中概述的那樣，人工智慧正在加劇詐欺行為，加劇其影響，並允許不良行為者利用Deepfakes 和其他設備擴大和復雜化他們的騙局，”生物捕獲全球顧問總監 Seth Ruden。
“隨著行業在帳戶開設和帳戶接管流程中部署最新的身份驗證方法，詐欺者無疑也會對這些方法進行攻擊。”
這金融犯罪執法網絡(FinCEN) 針對利用 Deepfake 媒體破壞金融體系的詐欺計畫發出警報。這些攻擊通常是針對高價值交易或帳戶接管的大規模協調行動的一部分。
與 BioCatch 類似，FinCEN 也觀察到金融機構的可疑活動報告增加，凸顯了涉嫌使用深度造假媒體的情況。這些報告經常指出創建欺詐性身份證件的行為，旨在繞過身份驗證和身份驗證流程。
財務影響和產業反應
這些攻擊的規模反映在 Sift 的詐欺行業基準資源 (FIBR) 中，該資源重點介紹了交易詐欺率和帳戶接管成本等指標。
內篩全球數據網路、信用卡和金融卡涉及 85% 的詐欺交易。然而，特定行業的趨勢發生了變化，特別是那些以高交易量為特徵的行業。
在 iGaming 和線上賭博領域，信用卡和金融卡詐欺比例較低，為 64%。相反，電子資金轉帳佔詐騙活動的 20.5%，而數位錢包支付則佔 15.5%。
該報告警告說，未能適應不斷變化的詐欺行為的企業可能會面臨重大損失和聲譽受損。
為了應對這種激增，技術提供者正在努力改進詐欺偵測系統。蘇庫爾例如，繼該公司推出圖形智慧模組之後收購詐欺偵測公司 有效。該技術利用機器學習來分析使用者行為、裝置和交易歷史之間的聯繫，並有望比傳統方法更早、更準確地偵測詐欺模式。
該公司聲稱，採用圖智能的組織可以改善其預防詐欺工作。該模組為詐欺和數據科學團隊提供數據，並提供身份關係視圖，以減少誤報。
