Frodi Finanziarie e Intelligenza Artificiale: La Necessità di Adattamento delle Istituzioni
Le frodi finanziarie stanno aumentando grazie all'uso dell'intelligenza artificiale. Le istituzioni devono adattare le loro strategie di prevenzione.

In Breve
- Qual è l'impatto dell'AI sulle frodi finanziarie?
- L'AI sta rendendo le frodi più sofisticate e difficili da rilevare.
- Come possono le istituzioni contrastare le frodi?
- Devono investire in tecnologie avanzate e formare personale specializzato.
- Quali sono le principali tecniche utilizzate dai frodatori?
- Usano ingegneria sociale, identità sintetiche e deepfake.
Le frodi finanziarie nel Regno Unito hanno raggiunto un picco allarmante, con perdite che ammontano a 1,3 miliardi di sterline. Questo fenomeno, in continua crescita, è alimentato dall’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 capaci di superare i controlli KYC (Know Your Customer) e costruendo storie creditizie credibili. Queste identità possono rimanere operative per mesi prima di attuare la 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. Tali tattiche minano il livello di fiducia, che è cruciale per determinare la legittimità di un’operazione.
Le tecnologie attuali non vengono principalmente contrastate dai sistemi bancari, ma attaccano direttamente il cliente. Le frodi si manifestano attraverso chiamate convincenti, impersonificazioni realistiche e campagne di social engineering personalizzate, erodendo lo scetticismo protettivo degli utenti. Di conseguenza, gli attacchi si presentano ai sistemi bancari con caratteri tecnici di legittimità, rendendo più difficile la loro rilevazione. Inoltre, l’uso dell’AI potrebbe evolvere in attacchi diretti contro le infrastrutture istituzionali, con i criminali che mappano i controlli e si mantengono 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, alla ricerca di spostamenti comportamentali che possano indicare test o sondaggio degli asset. È fondamentale avere personale in grado di analizzare i sistemi piuttosto che limitarsi a operarli, con competenze in ragionamento statistico, pensiero adversariale, progettazione dei sistemi e analisi dei feedback.
Non tutte le organizzazioni possiedono queste competenze. Sebbene l’assunzione di nuovi talenti possa sembrare una soluzione, l’avanzamento e la diffusione degli strumenti AI rendono disponibili soluzioni avanzate facilmente integrabili nelle infrastrutture esistenti. È consigliabile investire in fornitori esterni che offrano questi strumenti in modo accessibile e spiegabile, combinando analisi statistica e 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 sottoposti a test interni prima della produzione. Le difese basate su AI devono operare in millisecondi per identificare 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.
