Frodi Finanziarie e Intelligenza Artificiale: Un Fenomeno in Crescita che Richiede Risposte Efficaci

Nel Regno Unito, le perdite per frodi finanziarie hanno raggiunto la cifra record di 1,3 miliardi di sterline, evidenziando un fenomeno in costante crescita. Una delle principali cause di questo incremento 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.

I gruppi di frode stanno diventando sempre più veloci e sofisticati. Tecnologie come la generative AI permettono di industrializzare l’ingegneria sociale, creando identità sintetiche composite capaci di superare i controlli KYC (Know Your Customer) e costruendo storie creditizie credibili. Queste operazioni possono rimanere attive per mesi prima di eseguire la frode. Inoltre, l’uso di deepfake per frodi di autorizzazione produce voci e video così plausibili da indurre le persone a autorizzare transazioni o a fornire credenziali sensibili.

Le tecnologie non vengono più sconfitte principalmente dai sistemi di sicurezza delle banche, ma attaccano direttamente i clienti, manipolandoli attraverso chiamate più convincenti, impersonificazioni realistiche e campagne di social engineering personalizzate. Queste tattiche erodono il livello di scetticismo protettivo, rendendo più difficile la rilevazione delle frodi, che si presentano con caratteristiche tecniche di legittimità.

Parallelamente, l’uso dell’AI potrebbe evolvere verso attacchi diretti contro le infrastrutture delle istituzioni finanziarie. Gli attaccanti potrebbero mappare i controlli di sicurezza e mantenersi deliberatamente al di fuori dei confini di rilevamento, aumentando il rischio di frodi su larga scala.

I team di prevenzione frodi nelle istituzioni finanziarie sono spesso organizzati attorno alla gestione degli incidenti: rilevare, rispondere e chiudere il caso. Tuttavia, approcci più efficaci considerano la rilevazione come una funzione di ricerca, alla ricerca di spostamenti comportamentali che possano indicare test o sondaggio degli asset. È fondamentale avere personale in grado di ragionare sui sistemi piuttosto che limitarsi a operarli, con competenze in ragionamento statistico, pensiero avversariale, progettazione dei sistemi e analisi dei feedback.

Non tutte le organizzazioni dispongono di queste competenze interne. Sebbene l’assunzione di nuovo personale possa sembrare una soluzione, l’avanzamento e la diffusione degli strumenti AI rendono disponibili soluzioni avanzate facilmente integrabili nelle infrastrutture esistenti. La strada suggerita è quella di investire in fornitori esterni che possano rendere questi strumenti accessibili e spiegabili, combinando analisi statistica e capacità di reasoning.

Tuttavia, l’implementazione di nuove tecnologie deve essere progettata in modo da 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 progettazione e sottoposti a test interni prima della produzione. Le difese basate su AI devono operare in millisecondi per individuare il rischio senza compromettere l’esperienza del cliente, valutando ogni transazione in tempo reale attraverso centinaia di segnali confrontati con pattern storici per identificare anomalie.