AI e frodi finanziarie: come gli istituti possono tenere il passo

Le nuove tecnologie, se si conoscono, non devono spaventare. Lo dimostra l’AI che può diventare un grande supporto nella lotta alle frodi finanziarie. Se, da un lato, le truffe sono sempre più avanzate e difficili da stanare; dall’altro, ci sono strumenti a protezione delle aziende che permettono di essere sul pezzo e di difendersi. L’importante è investire sulla cybersecurity.

In questo quadro complesso, il Machine Learning trova il suo spazio. Lo fa attraverso un suo sottoinsieme: l’Adaptive Learning. Rappresenta uno strumento che consente ai sistemi di apprendimento automatico di evolversi e di adattarsi in maniera dinamica e veloce ai meccanismi fraudolenti. Così facendo si diventa più precisi nell’individuazione delle truffe.

L’intelligenza generativa contro le frodi finanziarie

Secondo uno studio di Experian, il 73% di coloro che gestiscono le frodi finanziarie è convinto che il panorama sia completamente cambiato. Il 58% delle realtà italiane ha constatato un incremento delle perdite a causa delle truffe, il tutto soltanto nell’ultimo anno. Le tattiche sono molto più sofisticate, si basano sulla creazione di identità sintetiche e sull’utilizzo di deepfake per ingannare i sistemi di autenticazione biometrica. Il 56% delle imprese trova complesso stabilire la presenza della GenAI in un attacco fraudolento e quantificarne l’impatto sulle perdite. In Italia si parla di una percentuale vicina al 70%. Le tipologie di frode sono diverse e sempre più complesse:

• Phishing: hacker si fingono enti affidabili per indurre gli utenti a fornire dati sensibili o credenziali di accesso tramite email, sms o siti web falsi;
• Furto di identità: prevede l’uso illecito di dati personali rubati per effettuare acquisti, richiedere prestiti o accedere a conti correnti per truffare. Individuare l’illecito è difficile;
• Truffa con carte di credito: si verifica quando avvengono transazioni non autorizzate con carte rubate o dati di pagamento compromessi, spesso tramite siti di e-commerce non sicuri;
• Riciclaggio di denaro: identità false e società di comodo vengono usate al fine di trasferire fondi illegalmente tra diversi conti bancari, nascondendo l’origine illecita del denaro;
• Attacchi AI-powered: i truffatori creano deepfake, manipolano documenti e superare verifiche di autenticazione biometriche, rendendo sempre più difficile l’individuazione delle truffe tradizionali.

A essere sotto assedio sono diverse realtà e vengono coinvolti diversi settori. Dalle banche, che stanno cercando di proteggersi con la PSD2 del 2018 e che dovrebbero implementare la SCA (la Strong Customer Authentication), al retail, che subisce un grave danno d’immagine rispetto alla reputazione. Anche le assicurazioni sono sotto assedio con false denunce di sinistro e conseguenti richieste di rimborso, così come l’healthcare dove c’è un altissimo tasso di furto di identità per acquistare farmaci costosi e per ottenere il rimborso delle prestazioni mediche.

La soluzione e l’Adaptive Learning

Contrariamente ai modelli statici di Machine Learning, che richiedono un addestramento periodico e aggiornamenti manuali, i sistemi basati su Adaptive Learning possono utilizzare sistemi di aggiornamento continui imparando dai dati in tempo reale. Il sistema monitora costantemente le transazioni e gli eventi finanziari, analizza miliardi di dati al secondo alla ricerca di situazioni anomale o non conformi. La rapidità è il punto di forza perché, così facendo, si riescono a neutralizzare le frodi finanziarie in tempo reale limitando moltissimo i danni.

Questa forma di intelligenza artificiale usa tecniche di clustering, analisi comportamentale e rilevamento delle anomalie per individuare schemi complessi di truffa ancora sconosciuti, che non erano stati identificati nei dataset di addestramento nella fase iniziale. Il fatto che l’IA contro le frodi finanziarie possa usare l’auto-aggiornamento dei modelli rende il sistema ancora più efficace perché si può adattare velocemente a nuovi attacchi hacker senza che sia necessario che intervenga l’essere umano. I tempi di risposta alle minacce in arrivo sono molto più efficaci in un’ottica preventiva.

L’Adaptive Learning si basa sull’apprendimento contestuale. In sostanza, considera il comportamento storico degli utenti per fare la differenza fra le attività sicure e quelle sospette. Anche in questo caso si riducono i falsi positivi e si è più precisi nella lotta alle frodi. Infine, con l’integrazione degli strumenti di verifica, attraverso la Mfa – l’autenticazione multi-fattore – e l’analisi biometrica si riesce a disinnescare i tentativi di truffa mentre stanno avvenendo. Il grado di protezione, quindi, aumenta grazie a un concetto chiave: la tempestività.

Esempi concreti di Adaptive Learning

In Italia e nel mondo sono diverse le realtà che si stanno servendo dell’AI per contrastare le frodi finanziarie e non solo. Fra i più famosi ci sono i sistemi Visa con il Cybersource Decision Manager. Questa azienda leader nel settore si serve di avanzato modelli di Deep Learning per analizzare miliardi di transazioni e quelle sospette in tempo reale, diminuendo il tasso di frodi fra i pagamenti digitali.

Anche Stripe Radar si serve di questa forma di intelligenza artificiale per monitorare e prevedere le frodi nelle transazioni online, in questo modo si eleva la sicurezza e si creano meno disagi ai clienti. Lo stesso principio è stato adottato da Amazon Fraud Detector, che individua schemi anomali con una precisione sempre più certosina. In ultimo Ncr Corporation ha sviluppato Ace, Adaptive Cassification Engine. Si tratta di un motore di classificazione che si basa sempre sull’Adaptive Learning, che studia gli eventi finanziari in tempo reale per capire se ci sono dei comportamenti anomali legati a eventuali transazioni illegali.

Volendo trarre delle conclusioni, l’AI riesce a combattere le frodi finanziarie perché ha la possibilità di adattarsi in maniera dinamica ai contesti che si trova davanti. Li analizza e individua possibili problemi da affrontare e risolvere al fine di tutelare l’utente finale, il cliente che si affida all’azienda X o all’istituzione Y. In questo modo il settore finanziario ha uno strumento di protezione in più in continuo aggiornamento.

Il fatto che le nuove tecnologie siano in costante divenire e migliorino quotidianamente è una sicurezza in più nel campo delle transazioni digitali. In un mondo in cui i malviventi si ingegnano per proporre truffe sempre più sofisticate e difficili da stanare, una soluzione come quella dell’intelligenza artificiale è in grado di tenere testa e neutralizzare sistemi che altrimenti sarebbero molto più potenti. Il punto oggi è capire come sfruttarla al meglio e come controllare che non crei bias che possano deviare dagli obiettivi iniziali.

Altri contenuti che possono interessarti su intelligenza artificiale e business

• AI – Quanto costa, quanto conviene
• AI, motore del lavoro del futuro: più produttività e nuove sfide per i Ceo
• Machine Learning, cos’è e come funziona: vantaggi e sfide dell’AI
• AI predittiva, cos’è e come anticipa il futuro: le possibili applicazioni
• Tutte le news e i contenuti sull’intelligenza artificiale