يمكن استخدام تقنية Deepfakes – المعروفة أيضًا باسم الوسائط الاصطناعية – في أكثر من مجرد انتحال شخصيات المشاهير وجعل المعلومات المضللة أكثر قابلية للتصديق. ويمكن استخدامها أيضًا في عمليات الاحتيال المالي.
يمكن للمحتالين استخدام تقنية التزييف العميق لخداع الموظفين في المؤسسات المالية لتغيير أرقام الحسابات و بدء طلبات تحويل الأموال مقابل مبالغ كبيرة، كما يقول ساتيش لالشاند، مدير شركة Deloitte Transaction and Business Analytics. ويشير إلى أن هذه المعاملات غالبًا ما يكون من الصعب، إن لم يكن من المستحيل، عكسها.
يتبنى مجرمو الإنترنت باستمرار تقنيات جديدة للتهرب من عمليات التحقق من معرفة عميلك وضوابط اكتشاف الاحتيال. واستجابة لذلك، تستكشف العديد من الشركات طرقًا يمكن للتعلم الآلي (ML) من خلالها اكتشاف المعاملات الاحتيالية التي تنطوي على وسائط اصطناعية، أو الاحتيال في الهوية الاصطناعية، أو غيرها من السلوكيات المشبوهة. ومع ذلك، يجب على فرق الأمان أن تضع في اعتبارها القيود المفروضة على استخدام التعلم الآلي لتحديد الاحتيال على نطاق واسع.
العثور على الاحتيال على نطاق واسع
يقول لالشاند إن الاحتيال في قطاع الخدمات المالية على مدى العامين الماضيين كان مدفوعًا بحقيقة أن العديد من المعاملات تم دفعها إلى القنوات الرقمية نتيجة لوباء كوفيد-19. ويستشهد بثلاثة عوامل خطر تدفع إلى اعتماد تقنيات التعلم الآلي للتحقق من العملاء والشركات: العملاء والموظفين والمحتالين.
على الرغم من أن الموظفين في شركات الخدمات المالية تتم مراقبتهم عادةً عبر الكاميرات والمحادثات الرقمية في المكتب، العمال عن بعد يقول لالتشاند: "لا يتم مراقبتها كثيرًا". مع تزايد عدد العملاء الذين يشتركون في الخدمات المالية افتراضيًا، تعمل شركات الخدمات المالية بشكل متزايد على دمج تعلم الآلة في عمليات التحقق من العملاء والمصادقة عليهم لإغلاق تلك النافذة لكل من الموظفين والعملاء. يقول لالشاند إنه يمكن أيضًا استخدام تعلم الآلة لتحديد التطبيقات الاحتيالية للحصول على المساعدة الحكومية أو الاحتيال في الهوية.
بالإضافة إلى اكتشاف الاحتيال قروض برنامج حماية شيك الراتب، يمكن تدريب نماذج تعلم الآلة للتعرف على أنماط المعاملات التي يمكن أن تشير إلى عمليات احتيال تتعلق بالاتجار بالبشر أو إساءة معاملة كبار السن، كما يقول غاري شيفمان، المؤسس المشارك لشركة Consilient، وهي شركة تكنولوجيا معلومات متخصصة في منع الجرائم المالية.
تشهد المؤسسات المالية الآن ظهور الاحتيال عبر منتجات متعددة، لكنها تميل إلى البحث عن المعاملات الاحتيالية في الصوامع. يقول شيفمان إن الذكاء الاصطناعي وتكنولوجيا التعلم الآلي يمكن أن يساعدا في جمع إشارات الاحتيال من مختلف المجالات.
يقول لالشاند: "تستمر المؤسسات في تنفيذ عمليات الضرب، وتستمر في محاولة تحديد الأماكن التي يتزايد فيها الاحتيال، ولكنه كان يحدث من كل مكان". "إن دمج المعلومات... يسمى CyFi، وهو يجمع البيانات السيبرانية والمالية معًا."
يمكن لأدوات تعلم الآلة أن تساعد في تحديد هوية العملاء بشكل إيجابي، والكشف عن الاحتيال في الهوية، واكتشاف احتمالية المخاطر، كما يقول خوسيه كالديرا، كبير مسؤولي المنتجات للمنتجات العالمية لشركة Acuant في GBG. ويقول إن التعلم الآلي يمكنه فحص السلوك السابق وإشارات المخاطر وتطبيق تلك الدروس في المستقبل.
حدود التعلم الآلي
على الرغم من أن نماذج تعلم الآلة يمكنها تحليل نقاط البيانات للكشف عن الاحتيال على نطاق واسع، إلا أنه ستكون هناك دائمًا نتائج إيجابية وسلبيات كاذبة، وسوف تتدهور النماذج بمرور الوقت، كما يقول كالديرا. لذلك، يجب على فرق الأمن السيبراني التي تقوم بتدريب الخوارزمية على اكتشاف الاحتيال، تحديث نماذجها ومراقبة نتائجها بانتظام، وليس فقط كل ستة أشهر أو كل عام، كما يقول.
"عليك أن تتأكد من أنك تفهم أن العملية ليست [مهمة] لمرة واحدة. ويقول كالديرا: "و... يجب أن يكون لديك طاقم العمل المناسب الذي يسمح لك بالحفاظ على هذه العملية مع مرور الوقت". "ستحصل دائمًا على المزيد من المعلومات، و... يجب أن تكون قادرًا على استخدامها باستمرار لتحسين نماذجك وتحسين أنظمتك."
بالنسبة لفرق تكنولوجيا المعلومات والأمن السيبراني التي تقوم بتقييم فعالية خوارزميات التعلم الآلي، يقول شيفمان إنهم سيحتاجون إلى إنشاء الحقيقة الأساسية - الإجابة الصحيحة أو "الحقيقية" على استفسار أو مشكلة. وللقيام بذلك، تحاول الفرق التي تستخدم تقنيات التعلم الآلي تجربة نموذج باستخدام مجموعة بيانات اختبارية، باستخدام مفتاح إجابة لحساب السلبيات الكاذبة والإيجابيات الكاذبة والإيجابيات الحقيقية والسلبيات الحقيقية، كما يقول. ويوضح أنه بمجرد احتساب هذه الأخطاء والإجابات الصحيحة، يمكن للشركات إعادة معايرة نماذج تعلم الآلة الخاصة بها لتحديد النشاط الاحتيالي في المستقبل.
إلى جانب تحديث خوارزمياتهم للكشف عن الاحتيال، يجب على فرق تكنولوجيا المعلومات والأمن السيبراني التي تستخدم تقنية التعلم الآلي أن تكون على دراية بالقيود القانونية المفروضة على تبادل البيانات مع الكيانات الأخرىيقول شيفمان، حتى لتحديد الاحتيال. ويقول إنه إذا كنت تتعامل مع بيانات من بلد آخر، فقد لا تكون قادرًا قانونيًا على نقلها إلى الولايات المتحدة.
بالنسبة للفرق التي تتطلع إلى استخدام تكنولوجيا تعلم الآلة للكشف عن الاحتيال، يحذر كالديرا من أن هذه الأدوات ليست سوى عنصر واحد من استراتيجية منع الاحتيال وأنه لا يوجد حل واحد لحل هذه المشكلة. بعد تأهيل عملاء جدد، يجب على متخصصي الأمن السيبراني وتكنولوجيا المعلومات مواكبة كيفية تغيير سلوكياتهم بمرور الوقت.
يقول كالديرا: "إن استخدام أو عدم استخدام التكنولوجيا أو التعلم الآلي هو مجرد عنصر واحد من مجموعة الأدوات الخاصة بك". "أنت كشركة، عليك أن تفهم: ما هي التكلفة التي تضعها على هذا، ما هو مدى تحمل المخاطر لديك، ومن ثم ما هو موقف العميل الذي تريده؟"
