Išbandykite DI savo svetainėje per 60 sekundžių
Stebėkite, kaip mūsų DI akimirksniu analizuoja jūsų svetainę ir sukuria personalizuotą pokalbių robotą - be registracijos. Tiesiog įveskite savo URL ir stebėkite, kaip jis veikia!
Paruošta per 60 sekundžių
Nereikia programuoti
100% saugu
Įvadas
„Western Union“ kibernetinio saugumo centre jau 2 val. nakties, ir Maya Patel, regis, jau kelias valandas nemirksėjo. Bendrovės dirbtinio intelekto sukčiavimo aptikimo sistema ką tik užfiksavo tris neįprastus operacijų modelius. Pinigų pervedimų iš sąskaitų Nebraskoje į Ukrainą lavina, ir visi jie vos nesiekia pranešimo ribos. Per daug panašūs, kad būtų sutapimas, per daug tobuli, kad būtų atsitiktiniai.
„Tai jau trečias kartas šią savaitę“, – sumurma Maya, įgudusiu tikslumu baksnodama klaviatūrą. Už jos didžiuliuose ekranuose rodomos spalvingos pasaulinių operacijų srautų vizualizacijos. Jos dirbtinio intelekto asistentas jau parengė ataskaitą, kurioje įtartini modeliai paryškinti raudonai. Prieš daugelį metų analitikų komandai tai būtų prireikę kelių dienų. Dabar tai įvyksta per kelias sekundes.
„Tai jau trečias kartas šią savaitę“, – sumurma Maya, įgudusiu tikslumu baksnodama klaviatūrą. Už jos didžiuliuose ekranuose rodomos spalvingos pasaulinių operacijų srautų vizualizacijos. Jos dirbtinio intelekto asistentas jau parengė ataskaitą, kurioje įtartini modeliai paryškinti raudonai. Prieš daugelį metų analitikų komandai tai būtų prireikę kelių dienų. Dabar tai įvyksta per kelias sekundes.
Tylusis karas
Esame liudininkai tylaus karo, kuris vyksta ne ginklais ir bombomis, o algoritmais ir duomenimis. Skaitmeninėms operacijoms tapus mūsų ekonomikos stuburu, finansinis sukčiavimas išsivystė iš grubių aferų į sudėtingas atakas, kurias organizuoja tarptautiniai nusikalstamumo sindikatai ir valstybės remiami įsilaužėliai.
Vien 2023 m. sukčiavimas pasaulio ekonomikai kainavo daugiau nei 5,5 trilijono dolerių. Kovos laukas yra visur: kredito kortelių operacijos, paskolų paraiškos, draudimo išmokos ir vis dažniau kriptovaliutų biržos.
„Dauguma žmonių nesuvokia, kad kiekvieną kartą perbraukdami kortele juos saugo dirbtinis intelektas“, – sako dr. Raj Sharma, „Mastercard“ vyriausiasis duomenų mokslininkas. „Mūsų sukurtos sistemos kasmet analizuoja daugiau nei 75 milijardus operacijų ir akimirksniu priima sprendimus, ar patvirtinti, ar atmesti. Ir jos kasdien tampa vis išmanesnės.“
Sėdžiu „Mastercard“ technologijų centre Niujorke, kur dr. Sharma man rodo savo neuroninių tinklų veikimo vizualizacijas. Ekranai man primena žvaigždynus, kuriuose ryškūs mazgai įsižiebia, kai iš duomenų jūros išnyra modeliai.
Vien 2023 m. sukčiavimas pasaulio ekonomikai kainavo daugiau nei 5,5 trilijono dolerių. Kovos laukas yra visur: kredito kortelių operacijos, paskolų paraiškos, draudimo išmokos ir vis dažniau kriptovaliutų biržos.
„Dauguma žmonių nesuvokia, kad kiekvieną kartą perbraukdami kortele juos saugo dirbtinis intelektas“, – sako dr. Raj Sharma, „Mastercard“ vyriausiasis duomenų mokslininkas. „Mūsų sukurtos sistemos kasmet analizuoja daugiau nei 75 milijardus operacijų ir akimirksniu priima sprendimus, ar patvirtinti, ar atmesti. Ir jos kasdien tampa vis išmanesnės.“
Sėdžiu „Mastercard“ technologijų centre Niujorke, kur dr. Sharma man rodo savo neuroninių tinklų veikimo vizualizacijas. Ekranai man primena žvaigždynus, kuriuose ryškūs mazgai įsižiebia, kai iš duomenų jūros išnyra modeliai.
Už taisyklių ribų
Tradicinis sukčiavimo aptikimas rėmėsi griežtomis taisyklėmis: jei operacija atitinka tam tikrus kriterijus, ji pažymima peržiūrai. Tačiau įmantrūs sukčiai greitai išmoko apgauti šias sistemas.
„Taisyklės yra kaip spynos“, – aiškina Sarah Chen, buvusi FTB kibernetinių nusikaltimų specialistė, kuri dabar vadovauja savo saugumo konsultacijų įmonei. „Kai kas nors išsiaiškina, kaip jos veikia, jis gali jas atrakinti. Mums reikėjo spynos, kuri nuolat keistų savo mechanizmą.“
Štai mašininis mokymasis. Užuot vadovavusios aiškioms taisyklėms, šiuolaikinės dirbtinio intelekto sistemos mokosi iš istorinių modelių, nustatydamos subtilias koreliacijas, kurių žmonių analitikai gali nepastebėti.
Mokėjimų apdorojimo įmonės „Stripe“ būstinėje San Franciske man rodoma jų sukčiavimo aptikimo sistemos demonstracija. Komanda pateikia jai operacijų seriją – kai kurios teisėtos, kai kurios – apgaulingos. Dirbtinis intelektas ne tik pastebi akivaizdžias raudonas vėliavėles – jis pastebi, kad apgaulingos operacijos dažnai atliekamos iš savaitgaliais sukurtų paskyrų arba paprastai šiek tiek skiriasi spausdinimo modeliai įvedant informaciją.
„Žmonės yra įpročių vergai“, – sako Miguelis Gonzalezas, „Stripe“ rizikos direktorius. „Net ir atsargiausi sukčiai palieka modelius. Mūsų sistemos gali aptikti klavišų paspaudimų ritmus, pelės judesius ir net tai, kaip kažkas naršo svetainėje. Šių elgesio biometrinių duomenų beveik neįmanoma idealiai atkartoti.“
„Taisyklės yra kaip spynos“, – aiškina Sarah Chen, buvusi FTB kibernetinių nusikaltimų specialistė, kuri dabar vadovauja savo saugumo konsultacijų įmonei. „Kai kas nors išsiaiškina, kaip jos veikia, jis gali jas atrakinti. Mums reikėjo spynos, kuri nuolat keistų savo mechanizmą.“
Štai mašininis mokymasis. Užuot vadovavusios aiškioms taisyklėms, šiuolaikinės dirbtinio intelekto sistemos mokosi iš istorinių modelių, nustatydamos subtilias koreliacijas, kurių žmonių analitikai gali nepastebėti.
Mokėjimų apdorojimo įmonės „Stripe“ būstinėje San Franciske man rodoma jų sukčiavimo aptikimo sistemos demonstracija. Komanda pateikia jai operacijų seriją – kai kurios teisėtos, kai kurios – apgaulingos. Dirbtinis intelektas ne tik pastebi akivaizdžias raudonas vėliavėles – jis pastebi, kad apgaulingos operacijos dažnai atliekamos iš savaitgaliais sukurtų paskyrų arba paprastai šiek tiek skiriasi spausdinimo modeliai įvedant informaciją.
„Žmonės yra įpročių vergai“, – sako Miguelis Gonzalezas, „Stripe“ rizikos direktorius. „Net ir atsargiausi sukčiai palieka modelius. Mūsų sistemos gali aptikti klavišų paspaudimų ritmus, pelės judesius ir net tai, kaip kažkas naršo svetainėje. Šių elgesio biometrinių duomenų beveik neįmanoma idealiai atkartoti.“
Žmogiškasis elementas
Nepaisant technologinio stebuklo, žmonių patirtis išlieka labai svarbi. „Paypal“ rizikos valdymo centre Omahoje analitikai peržiūri dirbtinio intelekto sistemų nustatytus atvejus ir teikia atsiliepimus, kurie padeda algoritmams tobulėti.
„Dirbtinis intelektas yra mūsų pirmoji gynybos linija, tačiau jis nėra neklystantis“, – sako vyresnioji sukčiavimo analitikė Jennifer Wu. „Kartais teisėti sandoriai atrodo įtartini, o kartais sukčiavimas yra toks neįprastas, kad sistema dar nieko panašaus nematė. Mums reikia žmogaus sprendimo, kad priimtume galutinį sprendimą šiais kraštutiniais atvejais.“
Šis hibridinis metodas – dirbtinio intelekto apdorojimo galios ir žmogaus intuicijos derinimas – pasirodė esąs nepaprastai veiksmingas. „Visa“ praneša, kad jų dirbtinio intelekto valdoma sukčiavimo aptikimo sistema vien per pastaruosius metus padėjo išvengti sukčiavimo bandymų, kurių vertė siekia apie 25 mlrd. JAV dolerių.
„Dirbtinis intelektas yra mūsų pirmoji gynybos linija, tačiau jis nėra neklystantis“, – sako vyresnioji sukčiavimo analitikė Jennifer Wu. „Kartais teisėti sandoriai atrodo įtartini, o kartais sukčiavimas yra toks neįprastas, kad sistema dar nieko panašaus nematė. Mums reikia žmogaus sprendimo, kad priimtume galutinį sprendimą šiais kraštutiniais atvejais.“
Šis hibridinis metodas – dirbtinio intelekto apdorojimo galios ir žmogaus intuicijos derinimas – pasirodė esąs nepaprastai veiksmingas. „Visa“ praneša, kad jų dirbtinio intelekto valdoma sukčiavimo aptikimo sistema vien per pastaruosius metus padėjo išvengti sukčiavimo bandymų, kurių vertė siekia apie 25 mlrd. JAV dolerių.
Ginklavimosi varžybos
Aptikimo sistemoms tampant vis sudėtingesnėmis, tobulėja ir atakos. Sukčiai dabar patys naudoja dirbtinį intelektą, kurdami giliuosius klastojimus, kad apeitų balso autentifikavimo sistemas, arba generuodami sintetines tapatybes, kurios gali praeiti patvirtinimo patikrinimus.
„Tai ginklavimosi varžybos“, – atsidūsta dr. Emily Rosenberg, kibernetinio saugumo tyrėja iš MIT. „Kiekvieną kartą, kai mes kuriame geresnę gynybą, jie kuria geresnes atakas. Privalumas yra tas, kad gynybinis dirbtinis intelektas gali mokytis iš milijonų teisėtų operacijų, o sukčiai turi ribotus duomenis, su kuriais gali dirbti.“
Stebiu, kaip ji demonstruoja naujo tipo ataką – generatyvinį priešišką tinklą (GAN), kuris sukuria fiktyvius, bet įtikinamus kredito kortelių naudojimo modelius. Sistema yra neįtikėtinai efektyvi, tačiau vis tiek įjungia tam tikrus pavojaus signalus šiuolaikinėse aptikimo sistemose.
„Tai ginklavimosi varžybos“, – atsidūsta dr. Emily Rosenberg, kibernetinio saugumo tyrėja iš MIT. „Kiekvieną kartą, kai mes kuriame geresnę gynybą, jie kuria geresnes atakas. Privalumas yra tas, kad gynybinis dirbtinis intelektas gali mokytis iš milijonų teisėtų operacijų, o sukčiai turi ribotus duomenis, su kuriais gali dirbti.“
Stebiu, kaip ji demonstruoja naujo tipo ataką – generatyvinį priešišką tinklą (GAN), kuris sukuria fiktyvius, bet įtikinamus kredito kortelių naudojimo modelius. Sistema yra neįtikėtinai efektyvi, tačiau vis tiek įjungia tam tikrus pavojaus signalus šiuolaikinėse aptikimo sistemose.
Išbandykite DI savo svetainėje per 60 sekundžių
Stebėkite, kaip mūsų DI akimirksniu analizuoja jūsų svetainę ir sukuria personalizuotą pokalbių robotą - be registracijos. Tiesiog įveskite savo URL ir stebėkite, kaip jis veikia!
Paruošta per 60 sekundžių
Nereikia programuoti
100% saugu
Daugiau nei finansinės paslaugos
Finansinio sukčiavimo aptikimo srityje novatoriški metodai dabar taikomi įvairiuose pramonės sektoriuose. Draudimo bendrovės naudoja panašias dirbtinio intelekto sistemas įtartinoms paraiškoms pažymėti. Elektroninės prekybos platformos jas naudoja suklastotoms apžvalgoms ir padirbtiems produktams aptikti. Vyriausybinės agentūros jas naudoja mokesčių vengimui ir išmokų sukčiavimui nustatyti.
Sveikatos draudimo paslaugų teikėjo „Anthem“ dirbtinio intelekto sistemos kasdien nuskaito milijonus paraiškų, ieškodamos modelių, kurie galėtų rodyti nesąžiningą sveikatos priežiūros paslaugų teikėjų taikomą atsiskaitymo praktiką.
„Sukčiavimas sveikatos priežiūros srityje Amerikos mokesčių mokėtojams kasmet kainuoja apie 300 milijardų dolerių“, – sako man dr. Marcusas Johnsonas, „Anthem“ vyriausiasis analitikas. „Mūsų sistemos padėjo nustatyti kelis organizuotus sukčiavimo tinklus, veikiančius keliose valstijose. Vienu atveju aptikome klinikų tinklą, kuris išrašė sąskaitas už procedūras, kurios niekada nebuvo atliktos, taip galbūt sutaupydamas šimtus milijonų dolerių už suklastotas paraiškas.“
Sveikatos draudimo paslaugų teikėjo „Anthem“ dirbtinio intelekto sistemos kasdien nuskaito milijonus paraiškų, ieškodamos modelių, kurie galėtų rodyti nesąžiningą sveikatos priežiūros paslaugų teikėjų taikomą atsiskaitymo praktiką.
„Sukčiavimas sveikatos priežiūros srityje Amerikos mokesčių mokėtojams kasmet kainuoja apie 300 milijardų dolerių“, – sako man dr. Marcusas Johnsonas, „Anthem“ vyriausiasis analitikas. „Mūsų sistemos padėjo nustatyti kelis organizuotus sukčiavimo tinklus, veikiančius keliose valstijose. Vienu atveju aptikome klinikų tinklą, kuris išrašė sąskaitas už procedūras, kurios niekada nebuvo atliktos, taip galbūt sutaupydamas šimtus milijonų dolerių už suklastotas paraiškas.“
Privatumo dilema
Šių sistemų efektyvumas kelia keblių klausimų apie privatumą. Daugiau duomenų reiškia geresnį sukčiavimo aptikimą, bet kartu ir didesnę netinkamo naudojimo galimybę.
„Visada yra įtampa tarp saugumo ir privatumo“, – pripažįsta Elena Vasiljev, privatumo gynėja, anksčiau dirbusi su sukčiavimo aptikimo sistemomis „American Express“. „Tos pačios technikos, kurios gali aptikti sukčiavimą, taip pat gali būti naudojamos stebėjimui. Turime būti atsargūs, kiek informacijos renkame ir kaip ją naudojame.“
Kai kurios įmonės tyrinėja tokias technikas kaip federacinis mokymasis, kuris leidžia apmokyti dirbtinio intelekto modelius keliuose duomenų šaltiniuose necentralizuojant jautrios informacijos. Kitos investuoja į homomorfinį šifravimą, kuris leidžia analizuoti užšifruotus duomenis jų pirmiausia neiššifruojant.
„Visada yra įtampa tarp saugumo ir privatumo“, – pripažįsta Elena Vasiljev, privatumo gynėja, anksčiau dirbusi su sukčiavimo aptikimo sistemomis „American Express“. „Tos pačios technikos, kurios gali aptikti sukčiavimą, taip pat gali būti naudojamos stebėjimui. Turime būti atsargūs, kiek informacijos renkame ir kaip ją naudojame.“
Kai kurios įmonės tyrinėja tokias technikas kaip federacinis mokymasis, kuris leidžia apmokyti dirbtinio intelekto modelius keliuose duomenų šaltiniuose necentralizuojant jautrios informacijos. Kitos investuoja į homomorfinį šifravimą, kuris leidžia analizuoti užšifruotus duomenis jų pirmiausia neiššifruojant.
Žvelgiant į priekį
Auštant išeinant iš „Western Union“ komandų centro, Maya Patel sėkmingai užblokavo įtartinas operacijas ir pateikė ataskaitą FTB kibernetinių nusikaltimų skyriui. Sistema jau atnaujino savo modelius, kad atpažintų šį konkretų sukčiavimo modelį.
Kita sukčiavimo aptikimo sritis apima kvantinius skaičiavimus ir paaiškinamą dirbtinį intelektą – sistemas, kurios gali ne tik aptikti sukčiavimą, bet ir aiškiai paaiškinti, kodėl pažymėjo konkrečią operaciją. Šis skaidrumas bus labai svarbus griežtėjant dirbtinio intelekto sprendimų priėmimo reglamentams.
„Prieš dešimt metų mes stengėmės pasivyti kitus“, – sako Maya, eidama link lifto. „Dabar pradedame aplenkti sukčius. Tačiau tai nėra kova, kurios mes niekada iki galo nelaimėsime. Kol bus galima uždirbti pinigų, žmonės bandys apgauti sistemą.“
Ji nutyla prieš pridurdama: „Geros žinios yra tai, kad mūsų įrankiai kasdien tobulėja. Ir skirtingai nei sukčiai, mes galime dalytis informacija visoje pramonėje. Kiekviena ataka mus visus sustiprina.“
Kadangi skaitmeninių operacijų apimtis ir sudėtingumas toliau auga, šis nematomas dirbtinio intelekto apsaugos skydas taps tik svarbesnis. Kitą kartą, kai jūsų kredito kortelių bendrovė išsiųs žinutę, kad patvirtintų neįprastą pirkinį, atminkite: tai tik matoma technologinio ledkalnio viršūnė, tyliai sauganti jūsų finansinį gyvenimą visą parą.
Ar dirbtinio intelekto sukčiavimo aptikimo sistemos galiausiai pavers finansinį sukčiavimą praeitimi? Ar mes visada būsime įstrigę šiame skaitmeniniame katės ir pelės žaidime, kuriame bus vis sudėtingesnių atakų ir gynybos priemonių? Vienas dalykas yra tikras – finansinio saugumo ateitį formuos tiek kodo eilutės, tiek žmonės, kurie jas rašo.
Kita sukčiavimo aptikimo sritis apima kvantinius skaičiavimus ir paaiškinamą dirbtinį intelektą – sistemas, kurios gali ne tik aptikti sukčiavimą, bet ir aiškiai paaiškinti, kodėl pažymėjo konkrečią operaciją. Šis skaidrumas bus labai svarbus griežtėjant dirbtinio intelekto sprendimų priėmimo reglamentams.
„Prieš dešimt metų mes stengėmės pasivyti kitus“, – sako Maya, eidama link lifto. „Dabar pradedame aplenkti sukčius. Tačiau tai nėra kova, kurios mes niekada iki galo nelaimėsime. Kol bus galima uždirbti pinigų, žmonės bandys apgauti sistemą.“
Ji nutyla prieš pridurdama: „Geros žinios yra tai, kad mūsų įrankiai kasdien tobulėja. Ir skirtingai nei sukčiai, mes galime dalytis informacija visoje pramonėje. Kiekviena ataka mus visus sustiprina.“
Kadangi skaitmeninių operacijų apimtis ir sudėtingumas toliau auga, šis nematomas dirbtinio intelekto apsaugos skydas taps tik svarbesnis. Kitą kartą, kai jūsų kredito kortelių bendrovė išsiųs žinutę, kad patvirtintų neįprastą pirkinį, atminkite: tai tik matoma technologinio ledkalnio viršūnė, tyliai sauganti jūsų finansinį gyvenimą visą parą.
Ar dirbtinio intelekto sukčiavimo aptikimo sistemos galiausiai pavers finansinį sukčiavimą praeitimi? Ar mes visada būsime įstrigę šiame skaitmeniniame katės ir pelės žaidime, kuriame bus vis sudėtingesnių atakų ir gynybos priemonių? Vienas dalykas yra tikras – finansinio saugumo ateitį formuos tiek kodo eilutės, tiek žmonės, kurie jas rašo.
