Frodi finanziarie e intelligenza artificiale: un fenomeno in crescita che richiede nuove strategie di difesa

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. Tra i principali fattori che contribuiscono a questa escalation c’è l’uso sempre più diffuso di tecnologie avanzate, in particolare l’intelligenza artificiale (AI), che sta diventando uno strumento cruciale nelle mani di reti criminali.

I gruppi di frode stanno diventando sempre più rapidi e sofisticati. Tecnologie come la generative AI permettono di industrializzare l’ingegneria sociale, creando identità sintetiche composite in grado di superare i controlli Know Your Customer (KYC) e costruire storie creditizie credibili. Queste identità possono rimanere attive per mesi prima di eseguire una frode. Inoltre, l’uso di deepfake per frodi di autorizzazione produce voci e video così realistici da indurre le persone a autorizzare transazioni o a fornire credenziali sensibili. Queste tattiche mirano a minare la fiducia, il punto cruciale in cui un sistema o un operatore umano decide se un’operazione è legittima.

Le tecnologie attuali non vengono contrastate principalmente dai sistemi bancari, ma attaccano direttamente il cliente, manipolandolo attraverso chiamate convincenti, impersonificazioni realistiche e campagne di social engineering personalizzate. Queste strategie erodono lo scetticismo protettivo degli utenti, rendendo più difficile la rilevazione delle frodi. Di conseguenza, gli attacchi ai sistemi bancari si presentano con caratteristiche tecniche di legittimità, complicando ulteriormente il compito di identificare le anomalie.

Parallelamente, l’uso dell’AI potrebbe evolvere verso attacchi diretti contro le infrastrutture istituzionali, con i criminali che mappano i controlli e si mantengono deliberatamente al di fuori dei confini di rilevamento. Questo scenario richiede una revisione delle strategie di prevenzione delle frodi da parte delle istituzioni finanziarie.

I team di prevenzione frodi all’interno delle istituzioni spesso si concentrano sulla gestione degli incidenti: rilevare, rispondere e chiudere i casi. 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 necessario disporre di personale in grado di analizzare i sistemi piuttosto che limitarsi a operarli, con competenze in ragionamento statistico, pensiero avversariale, progettazione dei sistemi, analisi dei feedback e comprensione degli effetti composti nel tempo.

Non tutte le organizzazioni dispongono di queste competenze. Sebbene l’assunzione di nuovo personale possa sembrare la soluzione, l’avanzamento e la diffusione degli strumenti AI offrono oggi soluzioni avanzate facilmente integrabili nelle infrastrutture esistenti. Gli esperti suggeriscono di investire in fornitori esterni che possano rendere questi strumenti accessibili e spiegabili, combinando analisi statistica e capacità di ragionamento.

Tuttavia, l’implementazione di nuove tecnologie deve essere progettata per non alimentare ulteriori rischi. Ogni modello ha ipotesi incorporate che gli attori avversari tenteranno di sondare sistematicamente. Pertanto, i sistemi devono essere considerati come 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.