Genai fördert eine neue Welle von anspruchsvollem Finanzbetrug

Der Betrug wird dank künstlicher Intelligenz (KI) anspruchsvoller.

Betrug kann in Type von Deepfake -Movies oder -stimme begangen werden, wobei die KI einen Klon einer Familie im Notfall im Notfall erzeugt und sofort eine Geldübertragung benötigt. KI kann überzeugendere Phishing -E -Mails schreiben und vergebene Zeichen wie gebrochenes Englisch entfernen. KI kann laut einem FBI auch Bilder wie ein Führerschein für Narren und Betrügereien fälschen Bericht.

“Der Betrug wird sich nur mit der Schaffung von generativer KI verschlechtern”, sagte, sagte Mike de VereCEO von Zest aiwas KI nutzt, um Finanzdienstleistungsunternehmen zu helfen, fundiertere Kreditentscheidungen zu treffen und Betrugsvorfälle zu mildern.

Nach einem März 2025 Bericht Aus der US -amerikanischen Federal Commerce Fee (FTC) stieg die Höhe der Verluste aufgrund von Betrug im Jahr 2024 auf 12,5 Milliarden US -Greenback, was einem Anstieg von 25% gegenüber dem Vorjahr stieg. Mehr Menschen gaben auch an, dass sie aufgrund von Betrugsbetrug Geld verloren haben: 38% im vergangenen Jahr gegenüber 27% im Jahr 2023.

Investitionsbetrug veranlasste die Menschen, das meiste Geld zu verlieren, insgesamt 5,7 Milliarden US -Greenback, was einem Anstieg von 24% gegenüber dem Vorjahr stieg. Die zweithöchste waren Betrügerbetrug mit 2,95 Milliarden US -Greenback. Betrügerbetrug waren jedoch der am häufigsten gemeldete Betrug, wobei der On-line -Einkaufsbetrug als nächstes.

Insbesondere haben die Verbraucher mehr Geld für Betrug durch Banküberweisungen oder Kryptowährung verloren als alle anderen Zahlungsmethoden zusammen, sagte die FTC.

Laut einer Pymnts Intelligence -Studie in Zusammenarbeit mit I2C sind 28% der Verbraucher im vergangenen Jahr Opfer von Kreditkartenbetrug gefallen. Darüber hinaus gaben 37% an, dass sie laut Betrug „sehr“ oder „extrem“ besorgt waren, Opfer eines solchen Betrugs zu fallen. “Konsumentenkreditökonomie: Kreditkartenbetrug. ““

In einem Interview mit PyMNTs sagte De Vere, dass Betrugsverluste bis 2027 40 Milliarden US -Greenback erreichen werden. Betrugs -Instruments werden immer zugänglicher, fügte er hinzu, dass Kriminelle für nur 20 US -Greenback Dinge wie Erstellen gefälschter IDs und Zahlen -Stubs tun können.

Mehr lesen: 37% der Verbraucher sind sehr besorgt über Kreditkartenbetrug

Welche Finanzinstitutionen fälschlicherweise glauben

Aufgrund seiner Erfahrung mit Banken und Kreditgenossenschaften teilte De Vere seine Einblicke in fünf Mythen über die Betrugsverhütung mit, die Organisationen anfällig machen könnten.

Mythos 1: Kleine Banken sind vor Betrug sicher

Das erste Missverständnis ist, dass Betrüger nur auf große Finanzinstitutionen abzielen. In Wirklichkeit meldeten 8 von 10 Banken und Kreditgenossenschaften, einschließlich kleinerer, Betrugsverluste von über 500.000 USD im vergangenen Jahr.

“Es wirkt sich überproportional auf kleinere Finanzinstitute aus”, sagte De Vere. “Ein Betrüger gegen das IT -Crew von Citi wird wahrscheinlich weniger erfolgreich sein als eine winzige Kreditgenossenschaft, die ihre IT auslagert.”

Mythos 2: Die Transaktionsüberwachung reicht aus

Viele Institutionen sind der Ansicht, dass die Überwachung einzelner Transaktionen einen angemessenen Schutz der Betrugsprävention bietet. Betrachten Sie beispielsweise die Kreditkartenmuster eines Kunden, um festzustellen, ob es einen betrügerischen Kauf gibt.

De Vere sagte jedoch, dass dieser enge Ansatz die breiteren Verhaltensmuster, die KI erkennen kann, verfehlt. Er teilte dieses Beispiel in der Praxis: Ein Betrüger eröffnete eine Kreditkarte in einer Kreditgenossenschaft, berechnete etwa 100 US-Greenback professional Monat und zahlte sie regelmäßig ab. Dieses Verhalten erhöht an sich keine roten Fahnen. Dieser Verbrecher tat jedoch bei mehreren Kreditgenossenschaften das Gleiche, sagte De Vere. Die Particular person beantragte schließlich persönliche Kredite und erhielt die Kreditkarten aus und verschwand mit dem Geld.

Mythos 3: Sicherheit erfordert Reibung

Der dritte Mythos dreht sich um die Idee, dass ein Finanzinstitut den Kunden durch mehrere Reifen wie die Antwort auf eine Sicherheitsfrage und dergleichen stellen muss. Es schafft Reibung im Kundenerlebnis. Diese binären Betrugssysteme – ist es ein Betrug oder nicht? Ja oder Nein – kann unnötig Probleme verursachen, sagte De Vere.

Er teilte seine persönliche Erfahrung, während eines Autodarlehensantrags für ID -Betrug gemeldet zu werden, nur weil sein Nachname zusammen gequetscht wurde. “Eine KI -Lösung hätte sich meine Kreditauskunft ansehen und sehen können, dass… zwei meiner Kreditkarten tatsächlich meinen Nachnamen zusammengeschlagen haben, additionally ist es wahrscheinlich nicht wahrscheinlich, dass ich ein Betrüger bin.”

Mythos 4: Manuelle Bewertungen fangen Betrug auf

Menschen sollen der Goldstandard sein, wenn es darum geht, Betrug zu fangen, aber De Vere argumentierte, dass sie nur so intestine sind wie ihre Erfahrungen. Darüber hinaus sind manuelle Bewertungen durch die Erfahrung des Gutachters innerhalb einer Establishment begrenzt.

Im Gegensatz dazu kann ein KI -Modell Billionen von Datenpunkten konsumieren, um Betrugsmuster zu identifizieren. “Es ist so weit darüber hinaus, wo ein Mensch sein kann”, sagte De Vere.

Mythos 5: Alle Betrugslösungen sind gleich

Der letzte Mythos ist, dass Lösungen zur Verhütung von Betrugsbetrug austauschbar sind. De Vere sagte, dass viele verfügbare Lösungen unvollständig sind und blinde Stellen in der Sicherheitsabdeckung erstellen.

Er sagte, eine robuste Betrugspräventionslösung sollte eher Wahrscheinlichkeitswerte als binäre „Betrugs-/No-Fr-Frag“ -entscheidungen anbieten, nach umfassenden Datensätzen geschult und auf die Bedürfnisse und den geografischen Standort eines Unternehmens zugeschnitten werden. Mit diesem Ansatz können Unternehmen lokale Betrugsringe identifizieren und geeignete Sicherheitsmaßnahmen einsetzen.

Advocatong für einen kollaborativen Ansatz zum Kampf gegen Betrug und sagte: „Wir müssen weniger darüber nachdenken, dass es sich um ein Wettbewerbsproblem handelt, und mehr darüber, dass es sich um ein kollaboratives Thema handelt.“

Zu diesem Zweck hat Zest AI ein Konsortium zum Austausch von Betrugserfahrungen geschaffen, mit denen KI -Modelle aus Angriffen auf eine Establishment lernen können, um andere im selben Ökosystem zu schützen.