L’Intelligenza Artificiale e l’Ascesa delle Frodi Finanziarie: Come le Istituzioni Devono Rispondere

Le frodi finanziarie nel Regno Unito hanno raggiunto la cifra record di 1,3 miliardi di sterline, evidenziando un fenomeno in rapida crescita. Tra i principali fattori che alimentano questa situazione c’è l’uso sempre più diffuso di tecnologie avanzate, in particolare l’intelligenza artificiale (AI), che si sono trasformate in strumenti potenti 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 KYC (Know Your Customer), costruendo storie creditizie credibili e mantenendo operazioni fraudolente attive per mesi prima di colpire. L’uso di deepfake per le frodi di autorizzazione produce voci e video così plausibili da indurre le persone a autorizzare transazioni o a fornire credenziali sensibili. Queste tecniche minano la fiducia, un aspetto cruciale per determinare la legittimità di un’operazione.

Oggi, le tecnologie non vengono principalmente ostacolate dai sistemi delle banche, ma attaccano direttamente i clienti. I criminali manipolano le vittime con chiamate convincenti, impersonificazioni realistiche e campagne di social engineering personalizzate, erodendo il loro scetticismo protettivo. Di conseguenza, gli attacchi ai sistemi bancari si presentano con caratteristiche tecniche di legittimità, rendendo più difficile la loro rilevazione. Inoltre, 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.

I team di prevenzione frodi nelle istituzioni finanziarie sono spesso organizzati attorno alla gestione degli incidenti: rilevare, rispondere e chiudere i casi. Tuttavia, approcci più efficaci considerano la rilevazione come una funzione di ricerca, mirando a identificare spostamenti comportamentali che possano indicare test o sondaggio degli asset. È fondamentale 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 nel tempo.

Non tutte le organizzazioni possiedono queste competenze. Sebbene l’assunzione di esperti 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 investire in fornitori esterni che rendano questi strumenti accessibili, spiegabili e che combinino analisi statistica con capacità di reasoning.

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 devono essere 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.